如果列中的值位于设置的值列表中,则过滤数据帧行

Question

我有一个Python pandas DataFrame rpt:

rpt
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 47518 entries, ('000002', '20120331') to ('603366', '20091231')
Data columns:
STK_ID                    47518  non-null values
STK_Name                  47518  non-null values
RPT_Date                  47518  non-null values
sales                     47518  non-null values

我可以过滤库存ID '600809'如下的行:rpt[rpt['STK_ID'] == '600809']

<class 'pandas.core.frame.DataFrame'>
MultiIndex: 25 entries, ('600809', '20120331') to ('600809', '20060331')
Data columns:
STK_ID                    25  non-null values
STK_Name                  25  non-null values
RPT_Date                  25  non-null values
sales                     25  non-null values

我想把一些股票的所有行放在一起,例如['600809','600141','600329'].这意味着我想要这样的语法:

stk_list = ['600809','600141','600329']

rst = rpt[rpt['STK_ID'] in stk_list] # this does not works in pandas 

由于大熊猫不接受上述命令,如何实现目标？

Answer 1

使用该isin方法. rpt[rpt['STK_ID'].isin(stk_list)].

Answer 2

isin()如果你有一个完全匹配的列表是理想的,但如果你有一个要查找的部分匹配或子串的列表,你可以使用str.contains方法和正则表达式进行过滤.

例如,如果我们想要返回一个DataFrame,其中所有以#开头的库存ID '600'后跟任意三位数:

>>> rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')] # ^ means start of string
...   STK_ID   ...                                    # [0-9]{3} means any three digits
...  '600809'  ...                                    # $ means end of string
...  '600141'  ...
...  '600329'  ...
...      ...   ...

假设现在我们有一个字符串列表,我们希望这些字符串'STK_ID'结束,例如

endstrings = ['01$', '02$', '05$']

我们可以使用正则表达式'或'字符连接这些字符串,|并传递字符串str.contains以过滤DataFrame:

>>> rpt[rpt['STK_ID'].str.contains('|'.join(endstrings)]
...   STK_ID   ...
...  '155905'  ...
...  '633101'  ...
...  '210302'  ...
...      ...   ...

最后,contains可以忽略大小写(通过设置case=False),允许您在指定要匹配的字符串时更通用.

例如,

str.contains('pandas', case=False)

将匹配PANDAS,PanDAs,paNdAs123,等等.

Answer 3

您还可以使用以下范围来使用范围:

b = df[(df['a'] > 1) & (df['a'] < 5)]

Answer 4

您还可以直接在DataFrame中查询此信息.

rpt.query('STK_ID in (600809,600141,600329)')

或者类似地搜索范围:

rpt.query('60000 < STK_ID < 70000')

Answer 5

用熊猫切片数据

给定这样的数据帧:

    RPT_Date  STK_ID STK_Name  sales
0 1980-01-01       0   Arthur      0
1 1980-01-02       1    Beate      4
2 1980-01-03       2    Cecil      2
3 1980-01-04       3     Dana      8
4 1980-01-05       4     Eric      4
5 1980-01-06       5    Fidel      5
6 1980-01-07       6   George      4
7 1980-01-08       7     Hans      7
8 1980-01-09       8   Ingrid      7
9 1980-01-10       9    Jones      4

有多种方法可以选择或切片数据.

使用.isin

最明显的是该.isin功能.您可以创建一个掩码,为您提供一系列True/ False语句,这些语句可以应用于这样的数据帧:

mask = df['STK_ID'].isin([4, 2, 6])

mask
0    False
1    False
2     True
3    False
4     True
5    False
6     True
7    False
8    False
9    False
Name: STK_ID, dtype: bool

df[mask]
    RPT_Date  STK_ID STK_Name  sales
2 1980-01-03       2    Cecil      2
4 1980-01-05       4     Eric      4
6 1980-01-07       6   George      4

屏蔽是问题的临时解决方案,但在速度和内存方面并不总是表现良好.

使用索引

通过将索引设置为STK_ID列,我们可以使用pandas内置切片对象.loc

df.set_index('STK_ID', inplace=True)
         RPT_Date STK_Name  sales
STK_ID                           
0      1980-01-01   Arthur      0
1      1980-01-02    Beate      4
2      1980-01-03    Cecil      2
3      1980-01-04     Dana      8
4      1980-01-05     Eric      4
5      1980-01-06    Fidel      5
6      1980-01-07   George      4
7      1980-01-08     Hans      7
8      1980-01-09   Ingrid      7
9      1980-01-10    Jones      4

df.loc[[4, 2, 6]]
         RPT_Date STK_Name  sales
STK_ID                           
4      1980-01-05     Eric      4
2      1980-01-03    Cecil      2
6      1980-01-07   George      4

这是快速执行此操作的方法,即使索引可能需要一段时间,如果您想要执行此类多个查询,也可以节省时间.

合并数据帧

这也可以通过合并数据帧来完成.对于比这些示例中包含更多数据的情况,这更适合.

stkid_df = pd.DataFrame({"STK_ID": [4,2,6]})
df.merge(stkid_df, on='STK_ID')
   STK_ID   RPT_Date STK_Name  sales
0       2 1980-01-03    Cecil      2
1       4 1980-01-05     Eric      4
2       6 1980-01-07   George      4

注意

即使有多行具有相同的行,上述所有方法也都有效 'STK_ID'

Answer 6

您还可以使用'query'和@来获得类似的结果:

例如:

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
df = pd.DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
list_of_values = [3,6]
result= df.query("A in @list_of_values")
result
   A  B
1  6  2
2  3  3

Answer 7

你可以使用query,即:

b = df.query('a > 1 & a < 5')