设置Python DataFrame

Question

我正在从R过渡到Python。我刚开始使用熊猫。我有一个很好的子集的R代码：

k1 <- subset(data, Product = p.id & Month < mn & Year == yr, select = c(Time, Product))

现在，我想在Python中做类似的事情。到目前为止，这是我得到的：

import pandas as pd
data = pd.read_csv("../data/monthly_prod_sales.csv")


#first, index the dataset by Product. And, get all that matches a given 'p.id' and time.
 data.set_index('Product')
 k = data.ix[[p.id, 'Time']]

# then, index this subset with Time and do more subsetting..

我开始感到自己在以错误的方式这样做。也许，有一个优雅的解决方案。有人可以帮忙吗？我需要从我拥有的时间戳中提取月份和年份并进行子设置。也许有一条线可以完成所有这一切：

k1 <- subset(data, Product = p.id & Time >= start_time & Time < end_time, select = c(Time, Product))

谢谢。

Answer 1

我将假设Time和Product是中的列DataFrame， df是的实例DataFrame，而其他变量是标量值：

现在，您必须引用DataFrame实例：

k1 = df.loc[(df.Product == p_id) & (df.Time >= start_time) & (df.Time < end_time), ['Time', 'Product']]

由于&运算符与比较运算符之间的优先级，因此括号也是必需的。该&运算符实际上是一个重载的按位运算符，其优先级与算术运算符相同，而算术运算符的优先级又高于比较运算符。

在pandas0.13中，DataFrame.query()将提供一种新的实验方法。这与子集对select参数取模非常相似：

与query()您一起这样做：

df[['Time', 'Product']].query('Product == p_id and Month < mn and Year == yr')

这是一个简单的例子：

In [9]: df = DataFrame({'gender': np.random.choice(['m', 'f'], size=10), 'price': poisson(100, size=10)})

In [10]: df
Out[10]:
  gender  price
0      m     89
1      f    123
2      f    100
3      m    104
4      m     98
5      m    103
6      f    100
7      f    109
8      f     95
9      m     87

In [11]: df.query('gender == "m" and price < 100')
Out[11]:
  gender  price
0      m     89
4      m     98
9      m     87

您感兴趣的最终查询甚至可以利用链式比较，如下所示：

k1 = df[['Time', 'Product']].query('Product == p_id and start_time <= Time < end_time')