使用字典过滤DataFrame

Question

我是熊猫和蟒蛇的新手。我想用字典过滤DataFrame

import pandas as pd
from pandas import DataFrame

df = DataFrame({'A': [1, 2, 3, 3, 3, 3], 'B': ['a', 'b', 'f', 'c', 'e', 'c'], 'D':[0,0,0,0,0,0]})
my_filter = {'A':[3], 'B':['c']}

当我打电话

df[df.isin(my_filter)]

我得到

     A    B   D
0  NaN  NaN NaN
1  NaN  NaN NaN
2  3.0  NaN NaN
3  3.0    c NaN
4  3.0  NaN NaN
5  3.0    c NaN

我想要的是

     A    B   D
3  3.0    c   0
5  3.0    c   0

我不想在字典中添加“D”，我想获取在 A 和 B 中具有正确值的行

Answer 1

你可以sum的True按列，然后比较2：

print (df.isin(my_filter).sum(1) == 2)
0    False
1    False
2    False
3     True
4    False
5     True
dtype: bool

print (df[df.isin(my_filter).sum(1) == 2])
   A  B  D
3  3  c  0
5  3  c  0

与第一过滤器的另一种解决方案只用条件列A和B与all用于检查都True按列：

print (df[df[['A','B']].isin(my_filter).all(1)])
   A  B  D
3  3  c  0
5  3  c  0

感谢您MaxU提供更灵活的解决方案：

print (df[df.isin(my_filter).sum(1) == len(my_filter.keys())])
   A  B  D
3  3  c  0
5  3  c  0