在 .loc[] 中使用 DataFrame 值答案

【问题标题】：Use DataFrame values inside .loc[]在 .loc[] 中使用 DataFrame 值
【发布时间】：2021-11-06 21:37:09
【问题描述】：

我想以这种方式过滤 DataFrame，基于字典值。

dict = { 
           101 : 2500,
           102 : 2700,
           103 : 2000,
}

还有这样一个DataFrame：

idx	match_id	type_name	second
1	101	Pass	2400
2	101	Shot	2450
3	101	Match_end	2500
4	102	Pass	2700
5	102	Match_end	2600
6	103	Match_end	2000

我想要一行代码返回 match_id 值，其中 type_name==Match_end 和 second 等于字典中的值，其中键具有相同的 match_id 值。

在这种情况下，我想返回这个列表：[101,103]

因为在 DataFrame 内部，第 3 行和第 6 行符合条件（5 行不，因为它的second 值与dict.get(102) 不同）。

我尝试使用此代码但没有成功，因为使用 loc 我无法使用相对索引：

list = list(
           df.loc[
               (df["type_name"]=="Match_end")
               & (df["second"] == dict.get(df["match_id"]))
           ]["match_id"].values
       )

我需要第二个条件中的一些东西来帮助我根据每行的match_id 值使用字典。

是否有人建议做这件事（有或没有loc）？

NB我知道如何在“match_id”上使用 FOR CICLE，但我正在寻找一种不使用 FOR 循环的方法。

谢谢

【问题讨论】：

标签： python pandas optimization coding-style computer-science

【解决方案1】：

如果您将字典设为数据框 (df1)，则可以通过使用 merge() 连接数据框来进行管理。

df1 = pd.DataFrame({'match_id':[101, 102, 103], 'second':[2500, 2700, 2000]})
df2 = pd.DataFrame({'match_id':[101, 101, 101, 102, 102, 103], 'type_name': ['Pass', 'Shot', 'Match_end', 'Pass', 'Match_end', 'Match_end'], 'second':[2400, 2450, 2500, 2700, 2600, 2000]})

只取 df2 中 type_name == 'Match_end' 的行，因为您对其他行不感兴趣。然后删除该 type_name 列，因为以后不需要它。

df2 = df2.loc[df2.type_name == 'Match_end']
df2.drop('type_name', axis=1, inplace=True)

合并两个数据框，你就得到了你想要的列表。

df = df1.merge(df2)
print(df.match_id.tolist())

[101, 103]

【讨论】：

【解决方案2】：

使用Series.map 并按second 列进行比较：

d = {  101 : 2500,102 : 2700, 103 : 2000}

print (df['match_id'].map(d))
0    2500
1    2500
2    2500
3    2700
4    2700
5    2000
Name: match_id, dtype: int64

L = df.loc[df['match_id'].map(d).eq(df['second']) & 
           (df["type_name"]=="Match_end"), 'match_id'].tolist()
print (L)
[101, 103]

【讨论】：