Python：在循环中对 IF 语句的处理不一致

Question

我有一个df包含条件和值的数据框。

import pandas as pd
df=pd.DataFrame({'COND':['X','X','X','Y','Y','Y'], 'VALUE':[1,2,3,1,2,3]})

因此df看起来像：

  COND  VALUE
     X      1
     X      2
     X      3
     Y      1
     Y      2
     Y      3

我正在使用循环来df根据进行子集化COND，并编写包含每个条件值的单独文本文件

conditions = {'X','Y'}
for condition in conditions:
    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

最终结果是两个文本文件：X_vals.txt 和 Y_vals.txt，它们都包含1 2 3. 到目前为止，一切都按预期工作。

我只想df为一个条件进一步子集。例如，也许我想要来自条件 Y 的所有值，但仅来自条件 X 的值 < 3。在这种情况下， X_vals.txt 应包含1 2， Y_vals.txt 应包含1 2 3。我尝试用 IF 语句实现这一点：

conditions = {'X','Y'}
for condition in conditions:
    if condition == 'X':
        df = df[df['VALUE'] < 3]

    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

这就是不一致的地方。上面的代码工作正常（即 X_vals.txt 包含1 2, 和 Y_vals.txt 1 2 3，正如预期的那样），但是当我使用if condition=='Y'代替 时if condition=='X'，它会中断，并且两个文本文件都只包含1 2.

换句话说，如果我conditions在 IF 语句中指定了第一个元素，那么它会按预期工作，但是如果我指定第二个元素，那么它会中断并将 < 3 子集应用于来自两个条件的值。

这里发生了什么，我该如何解决？

谢谢！

Answer 1

您遇到的问题是因为您df在循环内部进行了覆盖。

conditions = {'X','Y'}
for condition in conditions:
    if condition == 'X':
        df = df[df['VALUE'] < 3]  # <-- HERE'S YOUR ISSUE

    df2 = df[df['COND'].isin([condition])][['VALUE']]
    df2.to_csv(condition + '_values.txt', header=False, index=False)

让我有点惊讶的是，当你循环遍历集合时，conditions你condition = 'Y'首先得到，然后 condition = 'X'. 但是由于集合是一个无序的集合（即它不声称其元素具有固有的顺序），这不应该太令人不安：python 只是以最内部方便的方式读出元素。

您可以使用conditions = ['X', 'Y']循环遍历列表（有序集合）。然后它会先做 X，然后是 Y。但是，如果你这样做，你会得到同样的错误，但反过来（即它适用于if condition == 'Y'但不适用if condition == 'X'）。

这是因为在循环运行一次之后，df已经被重新分配给了原来df只包含小于三个值的子集。这就是为什么如果if condition语句在第一次通过循环时触发，则在两个文件中都只得到值 1 和 2 的原因。

现在修复：

conditions = ['X', 'Y']

for condition in conditions:

    csv_name = f"{condition}_values.txt"

    if condition == 'X':
        df_filter = f"VALUE < 3 & COND == '{condition}'"
    else:
        df_filter = f"COND == '{condition}'"

    df.query(df_filter).VALUE.to_csv(csv_name, header=False, index=False)

在这里，我介绍了该DataFrame.query方法，该方法通常比尝试创建布尔系列用作掩码更简洁，就像您所做的那样。

f-string 语法仅适用于 python 3.6+，如果您使用的是较低版本，则根据需要进行修改（例如df_filter = "COND == '{}'".format(condition)）