根据值(重复)提取pandas数据帧的子集？

2019年7月21日 161次阅读

假设我有以下数据帧：

elements =  [1,1,1,1,1,2,3,4,5]
df = pd.DataFrame({'elements': elements})
df.set_index(['elements'])
print df
   elements
0      1
1      1
2      1
3      1
4      1
5      2
6      3

我有一个列表[1,1,2,3],我想要一个包含这4个元素的数据帧的子集,例如：

   elements
0      1
1      1   
5      2
6      3

我已经能够通过构建一个计算数组中项目出现次数的dict并通过附加初始数据的子部分来构建新数据帧来处理它.

您是否知道一些数据框方法可以帮助我找到更优雅的解决方案？

@jezrael评论之后：我必须补充一点,我需要跟踪初始索引(以df为单位).

我们可以看到df(第一个数据帧)作为资源的存储库,我需要跟踪哪些行/索引归属：

用例是：在df中的元素中给我两个1,一个2和一个3.我会坚持我的行0和1为1,第4行为2,第5行为3.

最佳答案 当且仅当您的系列和列表已排序(否则,见下文),那么您可以这样做：

L = [1, 1, 2, 3]
df[df.elements.apply(lambda x: x == L.pop(0) if x in L else False)]
       elements
0         1
1         1
5         2
6         3

list.pop(i)返回并删除索引i处列表中的值.因为元素和L都被排序,所以弹出子集列表L的第一个元素(i == 0)将始终出现在元素中的相应第一个元素处.

因此,在元素上的lambda的每次迭代中,L将变为：

| element |       L      |   Output  |
|=========|==============|===========|
|    1    | [1, 1, 2, 3] |    True   |
|    1    |    [1, 2, 3] |    True   |
|    1    |       [2, 3] |   False   |
|    1    |       [2, 3] |   False   |
|    1    |       [2, 3] |   False   |
|    2    |       [2, 3] |    True   |
|    3    |          [3] |    True   |
|    4    |           [] |   False   | 
|    5    |           [] |   False   |

如您所见,您的列表最后是空的,所以如果它有问题,您可以事先复制它.或者,您实际上在刚刚创建的新数据框中拥有该信息！

如果未对df.elements进行排序,则创建一个排序副本,在该副本上应用与上面相同的lambda函数,但它的输出将用作原始数据帧的索引(使用值为True的索引)：

df
   elements
0         5
1         4
2         3
3         1
4         2
5         1
6         1
7         1
8         1
cp = df.elements.copy()
cp.sort_values(inplace=True)
tmp = df.loc[cp.apply(lambda x: x == L.pop(0) if x in L else False)]
print tmp
   elements
2         3
3         1
4         2
5         1

HTH

点赞