python - 使用 pandas 选择数据

Question

我有一个很大的目录，我根据以下标准从中选择数据:

columns = ["System", "rp", "mp", "logg"]
catalog = pd.read_csv('data.txt', skiprows=1, sep ='\s+', names=columns)

# CUTS
i = (catalog.rp != -1) & (catalog.mp != -1)

new_catalog = pd.DataFrame(catalog[i])
print("{0} targets after cuts".format(len(new_catalog)))

当我执行上述削减时，代码工作正常。接下来，我想再添加一个剪切:我想选择所有具有 4.0 < logg < 5.0 的目标。 。然而，一些目标有 logg = -1 (这代表该值不可用)。幸运的是，我可以计算logg从其他可用参数。这是我更新的剪辑:

# CUTS
i = (catalog.rp != -1) & (catalog.mp != -1)
if catalog.logg[i] == -1:
    catalog.logg[i] = catalog.mp[i] / catalog.rp[i]
i &= (4 <= catalog.logg) & (catalog.logg <= 5)

但是，我收到一个错误: if catalog.logg[i] == -1:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

有人可以解释一下我做错了什么以及如何解决它。谢谢

编辑 1

我的数据框如下所示:

Data columns:
System           477  non-null values
rp               477  non-null values
mp               477  non-null values
logg             477  non-null values
dtypes: float64(37), int64(3), object(3)None

编辑2

 System  rp  mp  logg   FeH  FeHu  FeHl  Mstar  Mstaru  Mstarl  
0  target-01  5196     24     24  0.31  0.04  0.04  0.905   0.015   0.015   
1  target-02  5950    150    150 -0.30  0.25  0.25  0.950   0.110   0.110   
2  target-03  5598     50     50  0.04  0.05  0.05  0.997   0.049   0.049   
3  target-04  6558     44     -1  0.14  0.04  0.04  1.403   0.061   0.061   
4  target-05  6190     60     60  0.05  0.07  0.07  1.194   0.049   0.050   

....

[5 rows x 43 columns]

编辑3

我理解的格式的代码应该是:

for row in range(len(catalog)):
    parameter = catalog['logg'][row]
    if parameter == -1:
        parameter = catalog['mp'][row] / catalog['rp'][row]
    if parameter > 4.0 and parameter < 5.0:
        # select this row for further analysis

但是，我正在尝试以更简单和专业的方式编写我的代码。我不想使用for环形。我该怎么做？

编辑4

考虑以下小示例:

System     rp   mp    logg
target-01  2    -1     2     # will NOT be selected since mp = -1
target-02  -1    3     4     # will NOT be selected since rp = -1
target-03  7     6     4.3   # will be selected since mp != -1, rp != -1, and 4 < logg <5
target-04  3.2    15    -1   # will be selected since mp != -1, rp != -1, logg = mp / rp = 15/3.2 = 4.68 (which is between 4 and 5)

Answer 1

你会得到错误，因为catalog.logg[i]不是一个标量，而是一个序列，所以你应该转向矢量化操作:

catalog.loc[i,'logg'] = catalog.loc[i,'mp']/catalog.loc[i,'rp']

这会就地修改 logg 列

至于编辑3:

rows=catalog.loc[(catalog.logg > 4) & (catalog.logg < 5)]

它将选择满足条件的行