python - 使用 &/np.where()/np.any() 比较 Pandas 中多个列的 boolean 行值

Question

我有一个如下所示的数据框:

   a A  a B  a C  a D  a E  a F  p A  p B  p C  p D  p E  p F
0    0    0    0    0    0    0    0    0    0    0    0    0
1    1    0    0    0    0    0    0    0    0    0    0    0
2    0    1    0    0    0    0    0    0    1    0    0    0
3    0    0    1    0    0    1    0    0    0    0    0    0
4    0    0    0    1    0    1    0    0    0    0    0    0
5    0    0    0    0    1    0    0    0    0    0    0    0
6    0    0    0    0    0    0    1    0    0    0    0    0

df = pd.DataFrame({'p A':[0,0,0,0,0,0,1],'p B':[0,0,0,0,0,0,0],'p C':[0,0,1,0,0,0,0],'p D':[0,0,0,0,0,0,0],'p E':[0,0,0,0,0,0,0],'p F':[0,0,0,0,0,0,0],'a A':[0,1,0,0,0,0,0],'a B':[0,0,1,0,0,0,0],'a C':[0,0,0,1,0,0,0],'a D':[0,0,0,0,1,0,0],'a E':[0,0,0,0,0,1,0],'a F': [0,0,0,1,1,0,0]})

注意:这是我的实际数据的简化版本。

a代表Actual； p代表预测； A - F 代表一系列标签

我想编写一个查询，对于我的数据框中的每一行，在以下情况下返回 True:(“p 列”中的所有行值 = 0)和(“a 列”中的至少一个行值 = 1)即对于每一行，p 列固定为 0，并且至少有 1 列 = 1。

使用 Pandas Dataframe Find Rows Where all Columns Equal 的答案和 Compare two columns using pandas我目前通过使用 & 和 np.any()

来实现这一点

((df.iloc[:,6] == 0) & (df.iloc[:,7] == 0) & (df.iloc[:,8] == 0) & (df.iloc[:,9] == 0) & (df.iloc[:,10] == 0) & (df.iloc[:,11] == 0) & df.iloc[:,0:6].any(axis = 1) )

>>
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

有没有更简洁、更易读的方法可以实现这一目标？

Answer 1

您可以使用 ~ 通过 iloc 来反转 boolean 掩码按位置选择:

print (~df.iloc[:,6:11].any(1) & df.iloc[:,0:6].any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

或者使用filter按列名选择，any至少检查一个 True 或 all用于检查每行的所有值是否为 True。

函数eq用于与 0 进行比较。

print (~df.filter(like='p').any(1) & df.filter(like='a').any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool

---

print (df.filter(like='p').eq(0).all(1) & df.filter(like='a').any(1))
0    False
1     True
2    False
3     True
4     True
5     True
6    False
dtype: bool