python - 与 pandas AND 的动态比较

Question

我有一个字典，每列作为dataframe中的键，例如:

dict = {"colA":1,"colB":1,"colC":1}

我的数据框的列包含colA、colB、colC。

我想做这样的事情:

df.loc[(df["colA"] < = dict["colA"]) & (df["colB"] < = dict["colB"]) & (df["colC"] < = dict["colC"])]

但是动态的(我不知道字典的长度/列数)

有没有办法用动态数量的参数来执行&？

Answer 1

您可以使用:

from  functools import reduce

df = pd.DataFrame({'colA':[1,2,0],
                   'colB':[0,5,6],
                   'colC':[1,8,9]})

print (df)
   colA  colB  colC
0     1     0     1
1     2     5     8
2     0     6     9

d = {"colA":1,"colB":1,"colC":1}

a = df[(df["colA"] <= d["colA"]) & (df["colB"] <= d["colB"]) & (df["colC"] <= d["colC"])]
print (a)
   colA  colB  colC
0     1     0     1

创建系列的解决方案，与 le 进行比较，通过all检查所有True最后一次使用 boolean indexing :

d = {"colA":1,"colB":1,"colC":1}

s = pd.Series(d)
print (s)
colA    1
colB    1
colC    1
dtype: int64

print (df.le(s).all(axis=1))
0     True
1    False
2    False
dtype: bool

print (df[df.le(s).all(axis=1)])
   colA  colB  colC
0     1     0     1

另一个解决方案 numpy.logical_and和用于创建掩码的reduce和用于应用条件的列表理解:

print ([df[x] <= d[x] for x in df.columns])
[0     True
1    False
2     True
Name: colA, dtype: bool, 0     True
1    False
2    False
Name: colB, dtype: bool, 0     True
1    False
2    False
Name: colC, dtype: bool]

mask = reduce(np.logical_and, [df[x] <= d[x] for x in df.columns])
print (mask)
0     True
1    False
2    False
Name: colA, dtype: bool

print (df[mask])
   colA  colB  colC
0     1     0     1