动态过滤pandas数据框

Question

我正在尝试使用三列阈值过滤pandas数据框

import pandas as pd
df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
df = df.loc[(df.A > 0) & (df.B > 2) & (df.C > -1)].reset_index(drop = True)

df
    A  B  C
0   2  5  2
1  10  3  1
2   3  6  2

但是，我想在一个函数中执行此操作，在字典中将列名及其阈值提供给我。这是我的第一次尝试，可以。本质上，我将过滤器放入cond变量中，然后运行它：

df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
limits_dic = {"A" : 0, "B" : 2, "C" : -1}
cond = "df = df.loc["
for key in limits_dic.keys():
    cond += "(df." + key + " > " + str(limits_dic[key])+ ") & "
cond = cond[:-2] + "].reset_index(drop = True)"
exec(cond)
df
    A  B  C
0   2  5  2
1  10  3  1
2   3  6  2

现在，最后我将所有内容都放到了函数中，并且它停止了工作（也许exec函数不喜欢在函数中使用！）：

df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
limits_dic = {"A" : 0, "B" : 2, "C" : -1}
def filtering(df, limits_dic):
    cond = "df = df.loc["
    for key in limits_dic.keys():
        cond += "(df." + key + " > " + str(limits_dic[key])+ ") & "
    cond = cond[:-2] + "].reset_index(drop = True)"
    exec(cond)
    return(df)

df = filtering(df, limits_dic)
df
    A  B  C
0   6  2 -5
1   2  5  2
2  10  3  1
3  -5  2  8
4   3  6  2

我知道exec函数在函数内部使用时的行为会有所不同，但不确定如何解决该问题。另外，我想知道在给定两个输入的情况下，必须有一种更优雅的方法来定义执行过滤的函数：1）df和2）limits_dic = {"A" : 0, "B" : 2, "C" : -1}。我对此表示感谢。

Answer 1

如果您尝试构建动态查询，则有更简单的方法。这是一个使用列表推导和的示例str.join：

query = ' & '.join(['{}>{}'.format(k, v) for k, v in limits_dic.items()])

或者，将f-strings与python-3.6 +一起使用，

query = ' & '.join([f'{k}>{v}' for k, v in limits_dic.items()])



print(query)

'A>0 & C>-1 & B>2'

将查询字符串传递给df.query，这就是为了这个目的：

out = df.query(query)
print(out)

    A  B  C
1   2  5  2
2  10  3  1
4   3  6  2

如果我的列名包含空格或其他奇怪的字符怎么办？

从pandas 0.25起，您可以将列名包装在反引号中，这样可以正常工作：

query = ' & '.join([f'`{k}`>{v}' for k, v in limits_dic.items()])

有关更多信息，请参见此堆栈溢出文章。

df.eval如果要为查询获取布尔掩码，也可以使用它，然后在此之后索引将变得很简单：

mask = df.eval(query)
print(mask)

0    False
1     True
2     True
3    False
4     True
dtype: bool

out = df[mask]
print(out)

    A  B  C
1   2  5  2
2  10  3  1
4   3  6  2

字符串数据

如果您需要查询使用字符串数据的列，则上面的代码将需要进行一些修改。

考虑：

df = pd.DataFrame({'gender':list('MMMFFF'),
                   'height':[4,5,4,5,5,4],
                   'age':[70,80,90,40,2,3]})

print (df)
  gender  height  age
0      M       4   70
1      M       5   80
2      M       4   90
3      F       5   40
4      F       5    2
5      F       4    3

以及列，运算符和值的列表：

column = ['height', 'age', 'gender']
equal = ['>', '>', '==']
condition = [1.68, 20, 'F']

这里的适当修改是：

query = ' & '.join(f'{i} {j} {repr(k)}' for i, j, k in zip(column, equal, condition))
df.query(query)

   age gender  height
3   40      F       5

有关pd.eval()功能系列，其功能和使用案例的信息。