筛选不满足条件的所有行上的数据帧[重复]

Question

这似乎很简单，但我似乎无法理解。我知道如何将pandas数据帧过滤到满足条件的所有行，但当我想要相反的结果时，我总是会遇到奇怪的错误。

这是一个例子。（上下文：一个简单的棋盘游戏，棋子在网格上，我们试图给它一个坐标，并返回所有相邻的棋子，但不是实际坐标上的实际棋子）

import pandas as pd
import numpy as np

df = pd.DataFrame([[5,7, 'wolf'],
              [5,6,'cow'],
              [8, 2, 'rabbit'],
              [5, 3, 'rabbit'],
              [3, 2, 'cow'],
              [7, 5, 'rabbit']],
              columns = ['lat', 'long', 'type'])

coords = [5,7] #the coordinate I'm testing, a wolf

view = df[((coords[0] - 1) <= df['lat']) & (df['lat'] <= (coords[0] + 1)) \
    & ((coords[1] - 1) <= df['long']) & (df['long'] <= (coords[1] + 1))]

view = view[not ((coords[0] == view['lat']) & (coords[1] == view['long'])) ] 

print(view)

我认为而不是应该只是否定后面括号中的布尔值，但这似乎不是它的工作方式。

我想让它在5,6时归还母牛，而不是在5,7时归还狼（因为这是当前的一块）。只是为了再次检查我的逻辑，我做了

me = view[(coords[0] == view['lat']) & (coords[1] == view['long'])] 
print(me)

正如我所料，这只狼回来了。那么，为什么我不能在前面加上一个而不是，然后得到其他所有东西呢？或者，更重要的是，我该怎么做才能得到其他一切。




Answer 1

由于numpy（因此pandas）使用位运算符，因此应使用~替换not。这也是您使用

import pandas as pd

df = pd.DataFrame({'a': [1, 2]})

print(df[~(df['a'] == 1)])
>>    a
   1  2

以你为例：

import pandas as pd
import numpy as np

df = pd.DataFrame([[5,7, 'wolf'],
              [5,6,'cow'],
              [8, 2, 'rabbit'],
              [5, 3, 'rabbit'],
              [3, 2, 'cow'],
              [7, 5, 'rabbit']],
              columns = ['lat', 'long', 'type'])

coords = [5,7] #the coordinate I'm testing, a wolf

view = df[((coords[0] - 1) <= df['lat']) & (df['lat'] <= (coords[0] + 1)) \
    & ((coords[1] - 1) <= df['long']) & (df['long'] <= (coords[1] + 1))]

view = view[~ ((coords[0] == view['lat']) & (coords[1] == view['long'])) ] 

print(view)
>>    lat  long type
   1    5     6  cow