使用字典中的值过滤熊猫数据框

Question

我需要使用字典来过滤数据帧，该字典的键是列名，值是我要过滤的值：

filter_v = {'A':1, 'B':0, 'C':'This is right'}
# this would be the normal approach
df[(df['A'] == 1) & (df['B'] ==0)& (df['C'] == 'This is right')]

但是我想做些事情

for column, value in filter_v.items():
    df[df[column] == value]

但这会多次过滤数据帧，一次过滤一个值，而不是一次应用所有过滤器。有没有办法以编程方式进行？

编辑：一个例子：

df1 = pd.DataFrame({'A':[1,0,1,1, np.nan], 'B':[1,1,1,0,1], 'C':['right','right','wrong','right', 'right'],'D':[1,2,2,3,4]})
filter_v = {'A':1, 'B':0, 'C':'right'}
df1.loc[df1[filter_v.keys()].isin(filter_v.values()).all(axis=1), :]

给

    A   B   C   D
0   1   1   right   1
1   0   1   right   2
3   1   0   right   3

但预期结果是

    A   B   C   D
3   1   0   right   3

仅应选择最后一个。

Answer 1

IIUC，您应该可以执行以下操作：

>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
   A  B      C  D
3  1  0  right  3

通过制作一个系列来与以下项目进行比较：

>>> pd.Series(filter_v)
A        1
B        0
C    right
dtype: object

选择以下内容的相应部分df1：

>>> df1[list(filter_v)]
    A      C  B
0   1  right  1
1   0  right  1
2   1  wrong  1
3   1  right  0
4 NaN  right  1

查找它们匹配的位置：

>>> df1[list(filter_v)] == pd.Series(filter_v)
       A      B      C
0   True  False   True
1  False  False   True
2   True  False  False
3   True   True   True
4  False  False   True

查找它们 都 匹配的位置：

>>> (df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)
0    False
1    False
2    False
3     True
4    False
dtype: bool

最后使用它索引到df1：

>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
   A  B      C  D
3  1  0  right  3