python - 为 Pandas 数据框中的每一行选择切片/列范围

Question

问题是:

import numpy
import pandas

dfl = pandas.DataFrame(numpy.random.randn(30,10))

现在，我想将以下单元格放入数据框中:

• 对于第 1 行:第 3 至 6 列(长度 = 4 个单元格)，
• 对于第 2 行:第 4 至 7 列(长度 = 4 个单元格)，
• 对于第 3 行:第 1 至 4 列(长度 = 4 个单元格)，
• 等...

这些范围中的每一个始终是 4 个单元格宽，但开始/结束是不同的列。

行式起点在列表 [3, 4, 1,...] 中，行式终点也是如此。我感兴趣的行列表也是一个列表 [1, 2, 3]。

最后，dfl 有一个我想保留的日期时间索引 (意味着最终结果应该是一个索引为 dfl.index[1, 2, 3] 的数据框。

编辑:范围超出

行起点向量的某些条目太大(比如上面示例矩阵中的行起点 9)。在这种情况下，我只需要从行开始点开始的所有列，然后根据需要使用尽可能多的 NaN 以获得正确的形状(因此自 9+4 > 10 以来，相应的行结果数据框应为 [9, 10, NaN, NaN]

Answer 1

使用 NumPy broadcasting创建所有这些列索引，然后 advanced-indexing进入数组数据 -

def extract_rows(dfl, starts, L, fillval=np.nan):
    a = dfl.values

    idx = np.asarray(starts)[:,None] + range(L)
    valid_mask = idx < dfl.shape[1]
    idx[~valid_mask] = 0

    val = a[np.arange(len(idx))[:,None],idx]
    return pd.DataFrame(np.where(valid_mask, val, fillval))

样本运行-

In [541]: np.random.seed(0)

In [542]: dfl = pandas.DataFrame(numpy.random.randint(11,99,(3,10)))

In [543]: dfl
Out[543]: 
    0   1   2   3   4   5   6   7   8   9
0  55  58  75  78  78  20  94  32  47  98
1  81  23  69  76  50  98  57  92  48  36
2  88  83  20  31  91  80  90  58  75  93

In [544]: extract_rows(dfl, starts=[3,4,8], L=4, fillval=np.nan)
Out[544]: 
      0     1     2     3
0  78.0  78.0  20.0  94.0
1  50.0  98.0  57.0  92.0
2  75.0  93.0   NaN   NaN

In [545]: extract_rows(dfl, starts=[3,4,8], L=4, fillval=-1)
Out[545]: 
    0   1   2   3
0  78  78  20  94
1  50  98  57  92
2  75  93  -1  -1