python - 使用来自另一个 DataFrame 的文本选择 Pandas DataFrame

Question

快速披露:我来自 R 背景，正在切换到 pandas(在 python 3.3.3 上运行)。

我想使用数据框条目中的文本从数据框中选择行。这是一个基本操作，但我无法绕过语法。

例如，使用这个 DataFrame(抱歉分割线，但我想让示例更清楚):

films = pandas.DataFrame({'$title':[  "The Godfather",
                                      "Pulp Fiction",
                                      "The Godfather: Part II",
                                      "Fight Club"],

                      '$director': [  "Coppola, Francis Ford",
                                      "Tarantino, Quentin",
                                      "Coppola, Francis Ford",
                                      "Fincher, David"]})

如果我想选择第一位导演创作的所有电影，即“Coppola, Francis Ford”，我使用的命令是:

In [1]: director = films.iloc[[1]]["director"]

In [2]: director

        1    Coppola, Francis Ford
        Name: director, dtype: object

In [3]: a = films[ films["director"] == director ]

        ValueError: Series lengths must match to compare

如果我这样做:

In [4]: a = films[ films["director"] == str(director) ]

我得到一个空的 DataFrame。这里发生了什么？好像我错过了什么。

Answer 1

好的，首先我看到你犯了一些风格/语义错误，这对于 R-to-Python 转换者来说很常见:

• 您的列名称不需要 $ 符号，它实际上是 column selection nicer因为你可以写 films.director 如果名称只是 'director'(它必须是一个有效的 Python 标识符才能使这个语法糖起作用)
• Python 中的索引从 0 而不是 1 开始，因此您选择第一个导演作为 films.director[0]

假设您从 DataFrame 定义中删除了 $ 符号，您可以选择电影:

In [16]: films[films['director'] == films['director'][0]]
Out[16]:
                director                   title
0  Coppola, Francis Ford           The Godfather
2  Coppola, Francis Ford  The Godfather: Part II

甚至像 films[films.director == films.director[0]] 一样干净。

使用您的原始 DataFrame，您可以执行查询:

director = films.iloc[[1]]['$director'][1]
films[films['$director'] == director]

一个错误是您首先使用 '$director' 定义表，然后使用 'director' 作为列名对其进行查询。

最后的 [1] 是必需的，因为您使用列表 [1] 而不是值 1 索引了 DataFrame ，所以你得到了一个系列，正如 CT Zhu 已经注意到的那样。 List indexing更意味着选择几个任意元素，例如 films.iloc[[1, 3]]。在你的情况下，写起来会更清楚

director = films.iloc[1]['$director']

另外，请注意，这仍然是 Tarantino 而不是 Coppola。