在Python(Pandas/Numpy)中,如何使用条件和特定的块大小来子集df?
我有一个df在Python(Pandas/Numpy)中,如何使用条件和特定的块大小来子集df?,python,numpy,pandas,dataframe,subset,Python,Numpy,Pandas,Dataframe,Subset,我有一个df A = pd.DataFrame([[1, 5, 2, 0], [2, 4, 4, 0], [3, 3, 1, 1], [4, 2, 2, 0], [5, 1, 4, 0], [2, 4, 4, 0], [3, 3, 1, 1], [4, 2, 2, 0], [5, 1, 4, 0]], columns=['A', 'B', 'C', 'D'], index=[1, 2, 3, 4, 5, 6, 7, 8, 9]) 我希望能够根据以下规则对数据帧
A = pd.DataFrame([[1, 5, 2, 0], [2, 4, 4, 0], [3, 3, 1, 1], [4, 2, 2, 0], [5, 1, 4, 0], [2, 4, 4, 0], [3, 3, 1, 1], [4, 2, 2, 0], [5, 1, 4, 0]],
columns=['A', 'B', 'C', 'D'], index=[1, 2, 3, 4, 5, 6, 7, 8, 9])
我希望能够根据以下规则对数据帧进行子集:选择列“D”值为1的行,并包括上面的两行(Chunk Size=3)
如果我在df示例中应用该规则,则输出应为:
A B C D
1 1 5 2 0
2 2 4 4 0
3 3 3 1 1
5 5 1 4 0
6 2 4 4 0
7 3 3 1 1
谢谢这将适用于任何
区块
大小:
>>> chunk, mask = 3, A['D'] == 1
>>> mask -= mask.shift(-chunk).fillna(0)
>>> A[mask[::-1].cumsum() > 0]
A B C D
1 1 5 2 0
2 2 4 4 0
3 3 3 1 1
5 5 1 4 0
6 2 4 4 0
7 3 3 1 1
谢谢。为什么我会得到这个c:\users\hernan\anaconda\lib\site packages\pandas\core\frame.py:1706:UserWarning:Boolean系列键将被重新索引以匹配数据帧索引。“DataFrame index.”,UserWarning)这有关系吗?@hernanavella如果你不想看到警告,你可以做一个[mask[::-1].cumsum()[:-1]>0],但是这个警告在这里是完全没有问题的。@behzad.nouri你能解释一下为什么这个小改动会删除警告吗?我得到了这个警告,很难理解为什么。@Gregoyarenius没有在末尾添加
[::-1]
,但是掩码[::-1].cumsum()的索引与数据帧不对齐。警告基本上是说熊猫将执行reindex
来对齐索引。有关对齐的一些示例,请参见。