使用 numpy 数组与 DataFrame 屏蔽 Pandas DataFrame

Question

我想使用 2D 布尔掩码来选择性地更改pandas DataFrame. 我注意到我不能使用numpy数组（成功）作为掩码，但我可以使用DataFrame. 然而，更令人沮丧的是，我的numpy方法没有出错。

例如，

df = pd.DataFrame({'A':[1,2,3,4], 
                   'B':[10,20,30,40]})

mask_np = np.array([[True,True],
                    [False,False],
                    [True,False],
                    [False,True]])

mask_pd = pd.DataFrame(mask_np, columns=['A','B'])

我认为任何一个掩码都会从df掩码所在的任何地方返回值True。但相反，df[mask_np]产生

   A   B
0  1  10
0  1  10
2  3  30
3  4  40

这不是我所期望的，我也无法解释。另一方面， df[mask_pd]产生

     A     B
0  1.0  10.0
1  NaN   NaN
2  3.0   NaN
3  NaN  40.0

这是我期望和想要的。

为什么我不能使用numpy口罩？我的互联网搜索没有发现任何相关内容。这种差异背后的任何解释将不胜感激！

[pandas版本 0.20.3; Python 3.6.3]

Answer 1

源代码说明了原因。该__getitem__方法[]是语法糖，专门通过数据帧检查索引：

elif isinstance(key, DataFrame):
    return self._getitem_frame(key)

如果数据帧是布尔类型，则调用的方法_getitem_frame将返回：pd.DataFrame.where

def _getitem_frame(self, key):
    if key.values.size and not is_bool_dtype(key.values):
        raise ValueError('Must pass DataFrame with boolean values only')
    return self.where(key)

NumPy 数组采用的路线_getitem_array不同且更加复杂。由于某种原因，代码被设计为以不同的方式处理 NumPy / Pandas 输入，而不是确保相同数据类型的一致性。

Pandas 数据帧的常规布尔索引通常沿轴应用，即通过行/轴 0df.loc[mask, :]或通过列/轴 1 df.loc[:, mask]。

请注意，为了清楚起见，您可以而且可能应该pd.DataFrame.where直接访问：

res = df.where(mask_np)

print(res)

     A     B
0  1.0  10.0
1  NaN   NaN
2  3.0   NaN
3  NaN  40.0