python - Pandas 根据条件从数据框中删除行

Question

考虑这段代码:

from StringIO import StringIO
import pandas as pd

txt = """a, RR
10, 1asas
20, 1asasas
30,
40, asas
50, ayty
60, 2asas
80, 3asas"""
frame = pd.read_csv(StringIO(txt), skipinitialspace=True)

print frame,"\n\n\n"

l=[]
for i,j in frame[~ frame['RR'].str.startswith("1", na=True)]['RR'].iteritems():
    if j.startswith(('2','3')):
         if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j[1:], as_indexer = True).any():
            l.append(i)
    else:
        if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j, as_indexer = True).any():
            l.append(i)
 frame = frame.drop(frame.index[l])
 print frame

我在这里做的是，

1) 遍历数据帧以删除数据帧中已有 1RR 的任何 RR

2)如果 RR 在开始时有 2 或 3，那么如果 RR 有 1RR[1:]< 则丢弃 在数据框中。

3) 如果 RR 以 1 开头或者是 NaN 不要碰它。

代码运行良好，但此 dataframe 将有多达 100 万个条目，我不认为此代码经过优化。因为我刚开始使用 pandas，所以我限制了知识。有什么方法可以在不迭代的情况下实现这一目标。pandas 是否有任何内置实用程序来执行此操作？

Answer 1

首先，保留所有以1或nan开头的字符串:

keep = frame['RR'].str.startswith("1", na=True)
keep1 = keep[keep]  # will be used at the end

其次，保留以 2 或 3 开头且不在第一个数据帧 rr1 中的字符串:

rr1 = frame.loc[frame['RR'].str.startswith("1", na=False), 'RR']
keep2 = ~frame.loc[
            (frame['RR'].str.startswith("2")) | (frame['RR'].str.startswith("3")), 'RR'
        ].str.slice(1).isin(rr1.str.slice(1))

第三，在添加前导1后保留其他不在rr1中的字符串:

import numpy as np
keep3 = ~("1" + frame.loc[
            ~frame['RR'].str.slice(0,1).isin([np.nan, "1", "2", "3"]), 'RR'
        ]).isin(rr1)

最后，把所有东西放在一起:

frame[pd.concat([keep1, keep2, keep3]).sort_index()]