Python DataFrame - 删除列值属于值列表的行

Question

我正在寻找以下问题的解决方案。有一个数据框:

data = np.array([['', 'col1', 'col2'],
                ['row1', 1, 2],
                ['row2', 3, 4]])
df = pd.DataFrame(data=data[1:,1:], index=data[1:,0],columns=data[0,1:])

我希望保留行，例如，列 col1 中的值属于列表 [1, 2]，而列 col2 中的值属于列表 [2, 4]。这就是我认为可行的

df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]

但是 df1 打印为一个空 DataFrame。另一方面，这种方法

df1 = df[(df.col1 in [1,2]) & (df.col2 in [2,4])]

结果

ValueError: The truth value of a Series is ambiguous. Use a.empty, `a.bool()`, `a.item()`, `a.any()` or `a.all()`.

预计会得到一个包含 row1 的 DataFrame。不用说我对 Python 比较陌生。非常感谢您的帮助。

Answer 1

您需要将数字系列转换为数字类型:

df = pd.DataFrame(data=data[1:,1:].astype(int),
                  index=data[1:,0],
                  columns=data[0,1:])

df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]

print(df1)

      col1  col2
row1     1     2

您的代码不起作用，因为您的初始 data 数组属于 object 类型，表示指向任意类型的指针。 Pandas 不会隐式应用转换，因为在大多数情况下这会非常昂贵。

如果您已经有一个构造好的 Pandas 数据框，您可以将数字转换作为一个单独的步骤应用:

df = df.astype(int)

或者，只转换指定的系列:

cols = ['col1', 'col2']
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')