python - Pandas 将过滤后的行附加到另一个 DataFrame

Question

我有 2 个 pandas 数据框 df 和 df_min。我对 df 应用了一些过滤器，这会生成一行数据，我想将该行附加到 df_min。我尝试使用循环遍历 df，并尝试使用 loc 将行附加到 df_min 。对于我使用 loc 的行，我不断收到与 DataFrame 不兼容的索引器 ValueError。我想我没有正确使用 loc 。完成我想做的事情的最佳方法是什么？

i = 0
for elem in vehicles:
    for state in limit_states:
        a = df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
        df_min.loc[i] = a[(a.RF == np.min(a.RF))].head(1) #results in a single row
        i = i + 1

编辑:我还尝试了以下方法而不是loc，但得到了相同的错误:

df_min.ix[i] = a[(a.RF == np.min(a.RF))].head(1)

编辑2:尝试了以下操作，得到了“第一个参数必须是类似pandas对象的列表，这次你传递了一个类型为“DataFrame”的对象”错误。

for elem in vehicles:
    for state in limit_states:
        a = df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
        df_min = pd.concat(a[(a.RF == np.min(a.RF))].head(1))

Answer 1

也许这样的东西会有帮助:

df_min = pd.concat([ df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
                     for elem in vehicles for state in limit_states ])

编辑:

xs = [ df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
                     for elem in vehicles for state in limit_states ]
df_min = pd.concat([ a[(a.RF == np.min(a.RF))].head(1) for a in xs ])

根据列表vehicles和limit_states，您可能还可以使用groupby实现您想要做的事情；像这样:

fn = lambda a: a[(a.RF == np.min(a.RF))].head(1)
df.groupby( ['VEHICLE', 'LIMIT_STATE'] ).apply( fn )