熊猫如何过滤系列

Question

在执行groupby('name')之后我有一个这样的系列,并在其他列上使用mean()函数

name
383      3.000000
663      1.000000
726      1.000000
737      9.000000
833      8.166667

任何人都可以告诉我如何过滤出1.000000平均值的行？谢谢你,我非常感谢你的帮助.

Answer 1

In [5]:

import pandas as pd

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

s = pd.Series(test)
s = s[s != 1]
s
Out[0]:
383    3.000000
737    9.000000
833    8.166667
dtype: float64

Answer 2

从pandas版本0.18+过滤系列也可以如下完成

    test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

pd.Series(test).where(lambda x : x!=1).dropna()

结帐:http: //pandas.pydata.org/pandas-docs/version/0.18.1/whatsnew.html#method-chaininng-improvements

Answer 3

正如DACW所指出的那样,pandas 0.18.1 中的方法链改进可以很好地完成你正在寻找的东西.

.where您可以将函数传递给.loc索引器或系列索引器[],而不是使用它,并避免调用.dropna:

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.loc[lambda x : x!=1]

test[lambda x: x!=1]

DataFrame和NDFrame类支持类似的行为.

Answer 4

这样做的一种快速方法是重建numpy用于切片底层数组.见下面的时间安排.

mask = s.values != 1
pd.Series(s.values[mask], s.index[mask])

0
383    3.000000
737    9.000000
833    8.166667
dtype: float64

天真的时机

Answer 5

另一种方法是首先转换为DataFrame并使用查询方法(假设您已安装了numexpr):

import pandas as pd

test = {
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
}

s = pd.Series(test)
s.to_frame(name='x').query("x != 1")

Answer 6

如果你喜欢链式操作,你也可以使用compress函数:

test = pd.Series({
383:    3.000000,
663:    1.000000,
726:    1.000000,
737:    9.000000,
833:    8.166667
})

test.compress(lambda x: x != 1)

# 383    3.000000
# 737    9.000000
# 833    8.166667
# dtype: float64