带有lambda函数的Pandas.filter（）方法[duplicate]

Question

我正在尝试理解Pandas中的.filter（）方法。我不确定为什么下面的代码不起作用：

# Load data
from sklearn.datasets import load_iris
import pandas as pd
data = load_iris()
df = pd.DataFrame(data.data, columns=data.feature_names)

# Set arbitrary index (is this needed?) and try filtering:
indexed_df = df.copy().set_index('sepal width (cm)')
test = indexed_df.filter(lambda x: x['petal length (cm)'] > 1.4)

我得到：

TypeError: 'function' object is not iterable

 filtered_df = df.groupby('petal width (cm)').filter(lambda x: x['sepal width (cm)'].sum() > 50)

Answer 1

您可以使用条件indexed_df['花瓣长度(cm)]>1.4（这里我们使用indexed_df，而不是x)作为筛选数据帧的方法，因此：

indexed_df[indexed_df['petal length (cm)'] > 1.4]

这是怎么工作的？

如果执行indexed_df['petal length cm'],您将获得DataFrame的“column”：某种序列,对于每个索引,我们将获得该列的值。通过执行column>1.4，我们获得某种布尔列：如果某一行满足条件，则为true，否则为false。

然后，我们可以使用这样的布尔列作为dataframeindexed_df[boolean_column]的元素，以仅获取boolean_column的对应行为true的行。