Python:循环中IF语句的处理不一致

Question

我有一个包含条件和值的数据框 df。

import pandas as pd
df=pd.DataFrame({'COND':['X','X','X','Y','Y','Y'], 'VALUE':[1,2,3,1,2,3]})

因此 df 看起来像:

  COND  VALUE
     X      1
     X      2
     X      3
     Y      1
     Y      2
     Y      3

我正在使用循环根据 COND 对 df 进行子集化，并编写包含每个条件值的单独文本文件

conditions = {'X','Y'}
for condition in conditions:
    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

最终结果是两个文本文件:X_vals.txt 和 Y_vals.txt，它们都包含 1 2 3。到目前为止，一切都按预期工作。

我想进一步子集 df 仅用于一个条件。例如，也许我想要条件 Y 的所有值，但只有条件 X 的值 < 3。在这种情况下，X_vals.txt 应该包含 1 2 而 Y_vals.txt 应该包含 1 2 3。我尝试用 IF 语句实现它:

conditions = {'X','Y'}
for condition in conditions:
    if condition == 'X':
        df = df[df['VALUE'] < 3]

    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

这就是不一致发生的地方。上面的代码工作正常(即 X_vals.txt 包含 1 2 和 Y_vals.txt 1 2 3，如预期的那样)，但是当我使用 if condition= ='Y' 而不是 if condition=='X'，它会中断，并且两个文本文件都只包含 1 2。

换句话说，如果我在 IF 语句中指定 conditions 的第一个元素，那么它会按预期工作，但是如果我指定第二个元素，它就会中断并将 <3 子集应用于值从这两种情况。

这是怎么回事，我该如何解决？

谢谢!

Answer 1

您遇到的问题是因为您在循环内覆盖了 df。

conditions = {'X','Y'}
for condition in conditions:
    if condition == 'X':
        df = df[df['VALUE'] < 3]  # <-- HERE'S YOUR ISSUE

    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

让我有点吃惊的是，当你循环设置 conditions 时，你首先得到 condition = 'Y'，then 条件 = 'X'。但是由于集合是一个无序集合(即它没有声称其元素具有固有的顺序)，这不应该太令人不安:python 只是在最多读取元素内部方便的方式。

您可以使用 conditions = ['X', 'Y'] 来循环遍历列表(有序集合)。然后它将先执行 X，然后执行 Y。但是，如果您这样做，您将得到相同的错误但相反(即它适用于 if condition == 'Y' 但不适用于 if条件 == 'X')。

这是因为在循环运行一次后，df 已重新分配给原始 df 的子集，该子集仅包含小于 3 的值。这就是为什么如果 if 条件 语句在 first pass through the loop 时触发，那么您在两个文件中只能得到值 1 和 2。

现在进行修复:

conditions = ['X', 'Y']

for condition in conditions:

    csv_name = f"{condition}_values.txt"

    if condition == 'X':
        df_filter = f"VALUE < 3 & COND == '{condition}'"
    else:
        df_filter = f"COND == '{condition}'"

    df.query(df_filter).VALUE.to_csv(csv_name, header=False, index=False)

这里我介绍了 DataFrame.query 方法，它通常比尝试创建一个 bool 系列用作掩码更简洁。

f-string 语法仅适用于 python 3.6+，如果您使用的是较低版本，请根据需要进行修改(例如 df_filter = "COND == '{}'".format(condition))