python - 如何在 python 中自动将条件组合在一起？

Question

我正在尝试在 python 中自动将条件组合在一起。困难在于，如果有多个条件，比如 100 个条件，手工“AND”所有这些条件会很乏味。我如何使用循环来实现这一目标？

import pandas as pd
s1 = pd.Series([1,2,3,4,5,6])
s2 = pd.Series([5,6,7,8,9,10])
s3 = pd.Series([11,12,5,7,8,2])
df = pd.DataFrame({'A': s1,'B': s2,'C': s3})

condition1 = df['A'] > 3
condition2 = df['B'] > 6
condition3 = df['C'] > 5
# AND Operation ->>> Can be achieved with a loop?
select = condition1 & condition2 & condition3

Answer 1

需要注意的几点:

• 您可以使用列表或字典来存储可变数量的变量。
• 您的 bool 级数用作 NumPy 数组；因此，您可以组合一系列系列并使用 np.ndarray.all (或 pd.DataFrame.all )来计算它们的交集。

您可以将 bool 系列列表与 NumPy 或 Pandas 一起使用:

conditions = [df['A'] > 3,
              df['B'] > 6,
              df['C'] > 5]

# all equivalent
select = pd.concat(conditions, axis=1).all(axis=1)
select = np.logical_and.reduce(conditions)
select = np.array(conditions).all(axis=0)

print(select)

array([False, False, False,  True,  True, False], dtype=bool)

同样地，如果你想命名你的 bool 过滤器，你可以使用字典:

conditions = {1: df['A'] > 3,
              2: df['B'] > 6,
              3: df['C'] > 5}

select = np.array(list(conditions.values())).all(axis=0)

性能基准测试

性能将非常依赖于数据，您还应该按照 @Kopytok's solution 尝试 reduce并使用您的数据检查性能。

df = pd.concat([df]*1000)

conditions = [df['A'] > 3,
              df['B'] > 6,
              df['C'] > 5]

conditions = conditions*100

%timeit reduce(lambda x, y: x & y, conditions)     # 104 ms per loop
%timeit np.logical_and.reduce(conditions)          # 104 ms per loop
%timeit np.array(conditions).all(axis=0)           # 99.4 ms per loop
%timeit pd.concat(conditions, axis=1).all(axis=1)  # 34.6 ms per loop