Python列表中的Pandas布尔运算

Question

据我所知,pandas数据帧类型具有测试其值的逻辑的能力.

这是代码:

import pandas as pd
data = pd.DataFrame(columns=['a', 'b', 'c'])
data = data.append({'a': 'I have data', 'b': 'no more complexe', 'c': 024204}, ignore_index=True)
data = data.append({'a': 'audoausd', 'b': '2048rafaf', 'c': 29313}, ignore_index=True)
data = data.append({'a': 'koplak ente gan', 'b': 'ente g bisa koplak', 'c': 29313}, ignore_index=True)

现在我们有以下数据帧:

                 a                   b      c
0      I have data    no more complexe  10372
1         audoausd           2048rafaf  29313
2  koplak ente gan  ente g bisa koplak  29313

测试列c的逻辑值并将其保存到变量中

c = data.c > 20000

将c设置为以下值

0    False
1     True
2     True
Name: c, dtype: bool

测试列b的逻辑值并将其保存到变量中

b = data.b.str.contains('koplak')

b值

0    False
1    False
2     True
Name: b, dtype: bool

还有列a

a = data.a.str.contains('koplak')

一个值

0    False
1    False
2     True
Name: b, dtype: bool

当我通过做一个&b&c比较所有这些值将返回:

0    False
1    False
2     True
dtype: bool

如果有很多列涉及到硬编码,它不是很好,所以我尝试制作一个包含所有列逻辑的列表

logic = [a, b, c]

如何自动比较所有项目以获得&b&c结果？

Answer 1

a & b & c 相当于

import functools
print(functools.reduce(lambda x,y: x & y, [a, b, c]))

产量

0    False
1    False
2     True
dtype: bool

与我下面的原始答案(建议np.logical_and.reduce)不同,我有信心functools.reduce(lambda x,y: x & y, [a, b, c])将忠实地返回同一系列a & b & c.

(在Python2.7中,reduce是一个内置函数.functools.reduce与函数相同reduce.在Python3中,reduce已从内置函数中删除并且仅functools.reduce保留.因此,为了将来验证您的代码,请使用functools.reduce.)

编辑:使用np.logical_and.reduce([logic])可能无法在所有情况下使用.这是一个反例:

import pandas as pd
import numpy as np
x = pd.Series([True,True,False,False], index=[1,2,3,4]) 
y = pd.Series([True,True,False,False], index=[1,2,3,4]) 
print(x & y)

版画

1     True
2     True
3    False
4    False
dtype: bool

但np.logical_and.reduce([x,y])引发了一个ValueError

    print(np.logical_and.reduce([x,y]))
  File "/data1/unutbu/.virtualenvs/dev/local/lib/python2.7/site-packages/pandas-0.13.0_98_gd9b0c1f-py2.7-linux-i686.egg/pandas/core/generic.py", line 665, in __nonzero__
    .format(self.__class__.__name__))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().