পান্ডাস: ডেটাফ্রেমের সারিগুলিতে জটিল ফিল্টার


87

আমি প্রতিটি সারির ক্রিয়াকলাপ দ্বারা সারিগুলি ফিল্টার করতে চাই eg

def f(row):
  return sin(row['velocity'])/np.prod(['masses']) > 5

df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, f)]

বা অন্য আরও জটিল, স্বীকৃত উদাহরণের জন্য,

def g(row):
  if row['col1'].method1() == 1:
    val = row['col1'].method2() / row['col1'].method3(row['col3'], row['col4'])
  else:
    val = row['col2'].method5(row['col6'])
  return np.sin(val)

df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, g)]

আমি কীভাবে এটি করতে পারি?

উত্তর:


123

আপনি এটি ব্যবহার করে এটি করতে পারেন DataFrame.apply, যা প্রদত্ত অক্ষের সাথে একটি ফাংশন প্রয়োগ করে,

In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])

In [4]: df
Out[4]: 
          a         b         c
0 -0.001968 -1.877945 -1.515674
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

In [6]: df[df.apply(lambda x: x['b'] > x['c'], axis=1)]
Out[6]: 
          a         b         c
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

16
applyএই পরিস্থিতিতে কোন প্রয়োজন নেই । একটি নিয়মিত বুলিয়ান সূচক ঠিক কাজ করবে। df[df['b] > df['c']]। এমন খুব কম পরিস্থিতি রয়েছে applyaxis=1
— যাগুলির

@ টেডপেট্রো কী হবে যদি আপনার যদি নিশ্চিত না হয় যে আপনার ডেটাফ্রেমের প্রতিটি উপাদান সঠিক ধরণের। একটি নিয়মিত বুলিয়ান সূচক ব্যতিক্রম হ্যান্ডলিং সমর্থন করে?
— ডি রোর

13

মনে করুন নীচে আমার একটি ডেটা ফ্রেম রয়েছে:

In [39]: df
Out[39]: 
      mass1     mass2  velocity
0  1.461711 -0.404452  0.722502
1 -2.169377  1.131037  0.232047
2  0.009450 -0.868753  0.598470
3  0.602463  0.299249  0.474564
4 -0.675339 -0.816702  0.799289

আমি বুলিয়ান মাস্ক তৈরি করতে পাপ এবং ডেটাফ্রেম.প্রড ব্যবহার করতে পারি:

In [40]: mask = (np.sin(df.velocity) / df.ix[:, 0:2].prod(axis=1)) > 0

In [41]: mask
Out[41]: 
0    False
1    False
2    False
3     True
4     True

তারপরে ডেটাফ্রেম থেকে নির্বাচন করতে মুখোশটি ব্যবহার করুন:

In [42]: df[mask]
Out[42]: 
      mass1     mass2  velocity
3  0.602463  0.299249  0.474564
4 -0.675339 -0.816702  0.799289

4
আসলে, এটি সম্ভবত একটি খারাপ উদাহরণ ছিল: np.sinসমস্ত উপাদানগুলিতে স্বয়ংক্রিয়ভাবে সম্প্রচার। আমি যদি এর চেয়ে কম বুদ্ধিমান ফাংশন দিয়ে প্রতিস্থাপন করেছি যা একবারে কেবল একটি ইনপুট হ্যান্ডেল করতে পারে?
— ডকওয়ার্থড


5

আমি ডাকওয়ার্থডের উত্তর সম্পর্কে মন্তব্য করতে পারি না, তবে এটি পুরোপুরি কার্যকর হয় না। ডেটা ফ্রেম খালি থাকলে এটি ক্রাশ হয়:

df = pandas.DataFrame(columns=['a', 'b', 'c'])
df[df.apply(lambda x: x['b'] > x['c'], axis=1)]

ফলাফল:

ValueError: Must pass DataFrame with boolean values only

আমার কাছে এটি পান্ডাগুলির বাগের মতো দেখাচ্ছে, যেহেতু {defin অবশ্যই বুলিয়ান মানগুলির একটি বৈধ সেট set একটি সমাধানের জন্য রায় হিউঞ্জিন হানের উত্তর দেখুন ।


3

reduce=Trueখালি ডিএফের জন্য ত্রুটিগুলি এড়াতে ব্যবহার করার পরিবর্তে আমি যে সর্বোত্তম পন্থা পেয়েছি তা হ'ল (যেহেতু এই যুক্তিটি হ্রাস করা হয়), ফিল্টার প্রয়োগ করার আগে কেবল সেই ডিএফ আকার> 0 পরীক্ষা করুন:

def my_filter(row):
    if row.columnA == something:
        return True

    return False

if len(df.index) > 0:
    df[df.apply(my_filter, axis=1)]

0

আপনি locডেটাফ্রেমে ফালি করার জন্য সম্পত্তিটি ব্যবহার করতে পারেন ।

ডকুমেন্টেশন অনুযায়ী , locএকটি callable functionযুক্তি হিসাবে থাকতে পারে।

In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])

In [4]: df
Out[4]: 
          a         b         c
0 -0.001968 -1.877945 -1.515674
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

# define lambda function
In [5]: myfilter = lambda x: x['b'] > x['c']

# use my lambda in loc
In [6]: df1 = df.loc[fif]

আপনি যদি fifঅন্য ফিল্টার মানদণ্ডের সাথে আপনার ফিল্টার ফাংশনটি একত্রিত করতে চান

df1 = df.loc[fif].loc[(df.b >= 0.5)]
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.