python - 从 pandas 数据框中过滤元素进行统计分析

Question

我对 pandas 相当陌生，我只是想检查以下内容是否可行:

我有一个如下所示的数据框:

Date         Hour   id    id_a   id_b   id_c   id_d   id_e
2019-12-05   05     123   True   False  True   False  False
2019-12-05   05     124   False  False  True   False  True
2019-12-05   05     125   True   False  False  False  False
...

在 Excel 中，我可以过滤值以仅显示 True 或 False 值，这会更改所有 View 并仅显示正确的列。我可以过滤多个列并获得所需的 View 。例如，id_a和id_b设置为True，id_e设置为False和其他列未过滤或接受 True 或 False 值。例如，通过设置为 True 的 id_a 进行过滤会删除第二个条目:

Date         Hour   id    id_a   id_b   id_c   id_d   id_e
2019-12-05   05     123   True   False  True   False  False
2019-12-05   05     125   True   False  False  False  False
...

如果可以使用 pandas dataframe 和 pandas 函数或简单的 python 或任何库获得以下内容:

a ) 如果 id_a、id_b 设置为 false 并且 id_c 和 id_d 接受任何值且 id_e 为 true，则返回现有数据帧的长度

b ) 返回 True 和 False 语句的任意组合。

感谢您的建议。

Answer 1

首先仅过滤 bool 列:

df1 = df.select_dtypes(bool)

或按位置排列的列:

df1 = df.iloc[:, 3:]
print (df1)
    id_a   id_b   id_c   id_d   id_e
0   True  False   True  False  False
1  False  False   True  False   True
2   True  False  False  False  False

然后链式掩码:

m = ~df['id_a'] & ~df['id_b'] & df['id_e']
print (m)
0    False
1     True
2    False
dtype: bool

对于计数 True 使用 sum:

print (m.sum())
1

如果想要计算True和False:

df2 = df1.apply(pd.value_counts).fillna(0).astype(int)
print (df2)

       id_a  id_b  id_c  id_d  id_e
False     1     3     1     3     2
True      2     0     2     0     1

并且还在计数之前按一些列数据进行过滤:

mask = df['id_a']
df3 = df1[mask].apply(pd.value_counts).fillna(0).astype(int)
print (df3)
       id_a  id_b  id_c  id_d  id_e
False     0     2     1     2     2
True      2     0     1     0     0