pandas：使用运算符链接过滤DataFrame的行
在大部分操作pandas可以与运营商链接（来完成groupby，aggregate，apply，等），但我发现过滤行唯一方法是通过正常的托架索引
df_filtered = df[df['column'] == value]
这没有吸引力，因为它要求我先分配df一个变量，然后才能根据其值进行过滤。还有以下内容吗？
df_filtered = df.mask(lambda x: x['column'] == value)
问题答案：
我不确定你想要什么，最后一行代码也无济于事，但是无论如何：
“链式”过滤是通过“链接”布尔索引中的条件来完成的。
In [96]: df
Out[96]:
A B C D
a 1 4 9 1
b 4 5 0 2
c 5 5 1 0
d 1 3 9 6
In [99]: df[(df.A == 1) & (df.D == 6)]
Out[99]:
A B C D
d 1 3 9 6
如果要链接方法，可以添加自己的mask方法并使用该方法。
In [90]: def mask(df, key, value):
....: return df[df[key] == value]
....:
In [92]: pandas.DataFrame.mask = mask
In [93]: df = pandas.DataFrame(np.random.randint(0, 10, (4,4)), index=list('abcd'), columns=list('ABCD'))
In [95]: df.ix['d','A'] = df.ix['a', 'A']
In [96]: df
Out[96]:
A B C D
a 1 4 9 1
b 4 5 0 2
c 5 5 1 0
d 1 3 9 6
In [97]: df.mask('A', 1)
Out[97]:
A B C D
a 1 4 9 1
d 1 3 9 6
In [98]: df.mask('A', 1).mask('D', 6)
Out[98]:
A B C D
d 1 3 9 6
-
中的大多数操作都可以通过操作符链接（、、等）完成，但我发现筛选行的唯一方法是通过普通的括号索引 这是没有吸引力的，因为它要求我在能够过滤变量值之前将赋值给变量。还有更像下面这样的吗？
-
问题内容： 我有两段熊猫代码，我认为它们应该是等效的，但是第二段代码并没有达到我的期望。 每个部分（例如）都按照自己的期望进行操作，但是似乎我在逻辑运算符上做错了，因为最终结果与列表理解版本的结果不同。 问题答案： 的操作者比结合更紧密地（或任何比较操作符）。请参阅文档。一个简单的例子是： 这是因为将其分组为，然后调用了比较链接。这就是您的情况。您需要在每个比较之间加上括号。 请注意和比较中的多余
-
本文向大家介绍pandas DataFrame运算的实现，包括了pandas DataFrame运算的实现的使用技巧和注意事项，需要的朋友参考一下 1 算术运算 add(other) 比如进行数学运算加上具体的一个数字 sub(other) 2 逻辑运算 2.1 逻辑运算符号 例如筛选data[“open”] > 23的日期数据 data[“open”] > 23返回逻辑结果 完成多个逻辑判断，
-
问题内容： python是否支持链接运算符，例如以下内容？ 输出，一些文档引用会很好。 问题答案： 是。任何归类为比较的运算符都可以链接。从语言参考： 形式上，如果 a ， b ， c ，…， y ， z 是表达式，而 op1 ， op2 ，…， opN 是比较运算符，则等效于，除了每个表达式最多 可计算 一次。 比较运算符是，，，，，（很少使用同义词，在Python 3消失）， ，，，，和。
-
问题内容： 我想使用与列长有关的条件来过滤，这个问题可能很容易，但是我在SO中没有找到任何相关问题。 更具体的，我有一个只有一个，其中，我想过滤使用长度filterer，我拍下面的一个片段。 我阅读了Column的Documentation，但是没有找到任何有用的属性。感谢您的帮助！ 问题答案： 在Spark> = 1.5中，您可以使用功能： 在Spark <1.5中，UDF应该可以解决问题： 如
-
这5个国家在所有奥运会上获得的奖牌中，每个国家获得的奖牌比例是多少？