python - Pandas dataframe - 识别任何列中值超过阈值的行

Question

我有一个单词相似度矩阵，存储为 pandas 数据框，其中列是约 400 个单词的“种子集”，行索引是约 50,000 个单词的大词典。任何行/列的值是两个词之间从 0 到 1 的相似度。

>>> df_sim_mf.info()
<class 'pandas.core.frame.DataFrame'>
Index: 46265 entries, #angry to wonga
Columns: 451 entries, abandon to wrongs
dtypes: float64(451)
memory usage: 159.5+ MB
>>> df_sim_mf.sample(10).sample(5, axis = 1)
              nationality    purest     unite   lawless      riot
assaulted        0.114270 -0.140504  0.182024  0.434651  0.510618
peekaboo        -0.008734 -0.027742  0.051084  0.260245  0.201117
antibiotic       0.145310  0.270748 -0.126459 -0.083965  0.043086
killin          -0.102474  0.123550  0.055935 -0.115381  0.285997
warrior          0.005229  0.281967  0.261230  0.344130  0.359228
actionscript    -0.029405  0.077793  0.114047 -0.052599 -0.123401
controversy      0.336688  0.271007  0.373474  0.362565  0.305548
nic              0.164550 -0.159097  0.080056  0.271184  0.231357
healy            0.072831  0.102996  0.286538  0.335697  0.183730
uncovered        0.061310  0.274003  0.328383  0.300315  0.277491

我试图从我的大词典中找到所有与我的任何“种子集”在一定相似度范围内的单词。也就是说，我想选择至少包含一个大于 0.75 的值的每一行。

我可以使用一些简单的 pandas 命令来做到这一点吗？

Answer 1

你可以这样做:

df.loc[(df > 0.75).sum(axis=1) > 0, :]

如果您只需要单词，则获取 index 属性。