Python 带命名索引的布尔子集

我尝试使用布尔数组来子集数据帧。这项工作：

df = pd.DataFrame(
    [
        (0, 0, 1),
        (0, 1, 2),
        (0, 3, 20),
        (1, 0, 2),
        (1, 1, 1),
        (1, 2, 30),
    ],
    columns = ['s', 'j', 'q']
)

df[df['j'] == 0]
df.loc[df['j'] == 0]

df.set_index('s')[df.set_index('s')['j'] == 0]
df.set_index('s').loc[df.set_index('s')['j'] == 0]

然而，以下几点失败了：

df.set_index('s')[df['j'] == 0]
df.set_index('s').loc[df['j'] == 0]

我得到的每个实例wehere

s

都等于0，而不是

j

。我求助于查询（我的条件比字面上的

j==0更复杂，或者我会直接使用它）：

有没有一种不创建临时变量的方法？非常感谢！Python 3.7和0.23.4

编辑

我所做的事情的问题是，布尔级数和数据帧有不同的索引。下面的答案详细介绍了几种解决方法，但我支持这两种方法之一：

df.set_index('s')[(df['j'] == 0).values]

或

不要在布尔运算之间重新设置索引。您的布尔序列基于原始索引来放置真值和假值，因此不能在具有不同索引的数据帧上重复使用该序列，因为这些索引随后通过该新索引映射到不同的行

如果必须创建具有不同索引的数据帧，请在创建后创建布尔数组，或在具有相同索引的另一个数据帧上创建布尔数组。所以这是可行的：

df = pd.DataFrame(
    [
        (0, 0, 1),
        (0, 1, 2),
        (0, 3, 20),
        (1, 0, 2),
        (1, 1, 1),
        (1, 2, 30),
    ],
    columns = ['s', 'j', 'q']
)

df[df['j'] == 0]
df.loc[df['j'] == 0]

df.set_index('s')[df.set_index('s')['j'] == 0]
df.set_index('s').loc[df.set_index('s')['j'] == 0]

同样

df_indexed_on_s = df.set_index('s')
df_indexed_on_s[df_indexed_on_s['j'] == 0]
df_indexed_on_s.loc[df_indexed_on_s['j'] == 0]

如果必须以内联方式执行此操作，可能需要使用可调用索引；传递给
[…]
索引操作的函数应返回布尔序列，因此您也可以使用该序列：

df.set_index('s')[lambda sdf: sdf['j'] == 0]
df.set_index('s').loc[lambda sdf: sdf['j'] == 0]

或者，您可以使用Pandas对数据帧对表示为字符串的查询求值：

df.set_index('s').query('j == 0')

在引擎盖下，对附加到
df.set_index（'s'）
的索引进行迭代，并将该索引中的值与
df['j']==0
系列的值进行检查，以查看应选择哪些行。后一个系列仍然使用原始索引（数字为0-6的
RangeIndex
），因此将数字0-6映射到
True
和
False
值，而
s
只有一个
Int64Index
索引，其值为
0
和
1
。对于
s
索引具有
0
的行，
（df['j']==0）[0]
结果为
True
，因此选择这些行，而对于
1
结果为
False

df_indexed_on_s[df_indexed_on_s['j']==0]
的布尔索引需要更多的工作，因为那里的索引是相同的基于
s
的Int64Index
，并且
0`映射到3个单独的布尔结果，因此熊猫知道使用比索引更多的内容来选择匹配行。
不要在布尔操作之间重新设置索引。您的布尔序列基于原始索引来放置真值和假值，因此不能在具有不同索引的数据帧上重复使用该序列，因为这些索引随后通过该新索引映射到不同的行

如果必须创建具有不同索引的数据帧，请在创建后创建布尔数组，或在具有相同索引的另一个数据帧上创建布尔数组。所以这是可行的：

df = pd.DataFrame(
    [
        (0, 0, 1),
        (0, 1, 2),
        (0, 3, 20),
        (1, 0, 2),
        (1, 1, 1),
        (1, 2, 30),
    ],
    columns = ['s', 'j', 'q']
)

df[df['j'] == 0]
df.loc[df['j'] == 0]

df.set_index('s')[df.set_index('s')['j'] == 0]
df.set_index('s').loc[df.set_index('s')['j'] == 0]

同样

df_indexed_on_s = df.set_index('s')
df_indexed_on_s[df_indexed_on_s['j'] == 0]
df_indexed_on_s.loc[df_indexed_on_s['j'] == 0]

如果必须以内联方式执行此操作，可能需要使用可调用索引；传递给
[…]
索引操作的函数应返回布尔序列，因此您也可以使用该序列：

df.set_index('s')[lambda sdf: sdf['j'] == 0]
df.set_index('s').loc[lambda sdf: sdf['j'] == 0]

或者，您可以使用Pandas对数据帧对表示为字符串的查询求值：

df.set_index('s').query('j == 0')

在引擎盖下，对附加到
df.set_index（'s'）
的索引进行迭代，并将该索引中的值与
df['j']==0
系列的值进行检查，以查看应选择哪些行。后一个系列仍然使用原始索引（数字为0-6的
RangeIndex
），因此将数字0-6映射到
True
和
False
值，而
s
只有一个
Int64Index
索引，其值为
0
和
1
。对于
s
索引具有
0
的行，
（df['j']==0）[0]
结果为
True
，因此选择这些行，而对于
1
结果为
False

df_indexed_on_s[df_indexed_on_s['j']==0]
的布尔索引需要更多的工作，因为那里的索引是相同的基于
s
-的Int64Index
，并且
0`映射到3个单独的布尔结果，因此熊猫知道使用比索引更多的方法来选择匹配行。
df.set_index（'s'）

的目的是什么？您当前的解决方案似乎不使用

s

作为索引，也不需要它。@正如大多数人可能猜到的那样，我的代码在无明显原因地对数据进行子设置后不会结束。

df.set\u index（'s'）

的目的是什么？您当前的解决方案似乎不使用

s

作为索引，也不需要它。@正如大多数人可能猜到的那样，我的代码在无明显原因地对数据进行子设置后不会结束……这些还支持可调用项：

df.set_index（'s'）[lambda df:df['j']==0]

@ayhan：在哪一点上，当前数据帧被传递给lambda参数，是的。我还要指出版本

df.set_index（'s'）.query（'j==0'）

，它可以满足许多简单的索引需求。它不需要构造一个明确的序列（使用顶级的

pd.eval

）。既然

.set\u index

不会修改顺序，那么如何与底层的

ndarray

对齐呢

df.set_index（'s'）[（df.j==0）.values]

？@ALollz：更可能的是，传入numpy布尔数组是另一种选择。但是我认为我们应该停止列出更多的选项。这些选项也支持可调用项：

df.set_index（'s'）[lambda-df:df['j']==0]

@ayhan：是的，当前的数据帧在哪一点上被传递给lambda参数。我还需要指出版本

df.set_index（'s'）。query（'j==0'）

，这将满足许多简单的索引需求。它不需要构造显式序列（使用顶级的

pd.eval

）。如何与底层的

ndarray

对齐，因为

.set