从字典中的数据框中不存在的数据框中删除行

Question

我有数百个 pandas 数据框，例如：

Df1 = 
    MD    A    B    C  
    r1    6    3    9   
    r2    2    1    1  
    r3    5    7    2  
    r4    8    2    0

Df2 = 
    MD    A    B    C  
    r1    1    7    1  
    r2    6    3    0  
    r3    3    1    8
    r4    1    7    4

我也有一本这样的字典（除了有许多键和值来反映数据帧的数量）：

Dict = {'D1', MD
              r1
              r4
        [2 rows x 1 columns]
        'D2', MD
              r1
              r2
              r3
        [3 rows x 1 columns]}
  

我需要的是一种遍历字典的方法，对于每个数据帧和相应的键（即 Df1 和 D1，以及 Df2 和 D2），删除“字典值数据帧”中不存在的行。

所以对于 Df1，我需要转到键 D1 并删除不在该键的数据框中的行。即从 Df1 中删除 r2 和 r3。

所以我想要的结果是：

Df1 = 
    MD    A    B    C  
    r1    6    3    9   
    r4    8    2    0

Df2 = 
    MD    A    B    C  
    r1    1    7    1  
    r2    6    3    0  
    r3    3    1    8

非常感谢任何帮助！

PS。如果保留行而不是删除行更容易，那也会很有帮助！

Answer 1

这里我只是打印值，但您可以重新分配 DataFrame。

>>> df1 = pd.DataFrame.from_dict({"r1": [1,2,3], "r2": [4,5,6], "r3": [7,8,9]}, columns=["A", "B", "C"], orient="index")
>>> df2 = pd.DataFrame.from_dict({"r1": [1,2,3], "r2": [4,5,6], "r3": [7,8,9]}, columns=["A", "B", "C"], orient="index")

>>> dfs = [df1, df2]
>>> dfs

[    A  B  C
 r1  1  2  3
 r2  4  5  6
 r3  7  8  9,
     A  B  C
 r1  1  2  3
 r2  4  5  6
 r3  7  8  9]

lookup = {"d1": ["r1", 'r2'], 'd2': ["r2", "r3"]}

for rows, df in zip(lookup.values(), dfs):
    print(df.loc[rows])

    A  B  C
r1  1  2  3
r2  4  5  6
    A  B  C
r2  4  5  6
r3  7  8  9

编辑

如果您的 DataFrames 不在 dict 中并且仅可用作全局变量，提供键匹配在您查找变量名称时，您可以执行以下操作：

>>> df1 = pd.DataFrame.from_dict({"r1": [1,2,3], "r2": [4,5,6], "r3": [7,8,9]}, columns=["A", "B", "C"], orient="index")
>>> df2 = pd.DataFrame.from_dict({"r1": [1,2,3], "r2": [4,5,6], "r3": [7,8,9]}, columns=["A", "B", "C"], orient="index")

>>> lookup = {"df1": ["r1", 'r2'], 'df2': ["r2", "r3"]}

# Use the reference key from lookup, to grab the relevant DataFrame
# then index rows using .loc with the corresponding values from lookup
for key in lookup.keys():
    print(globals()[key].loc[lookup[key]])

否则，我建议将它们放入可以轻松迭代的数据结构中，如原始答案所示。

Answer 2

你的字典有点怪，所以我把它编辑成下面的dct。基本上每个键都有一个对应的数据框。然后您可以zipdct.values() 使用字典列表并索引您的相关数据框。

dct = {'D1': {'MD': ['r1', 'r4']},
       'D2': {'MD': ['r1', 'r2', 'r3']}
      }
df1_new, df2_new = [df[df['MD'].isin(v['MD'])] for v, df in zip(dct.values(),[df1,df2])]

输出：

   MD  A  B  C
 0  r1  6  3  9
 3  r4  8  2  0

    MD  A  B  C
 0  r1  1  7  1
 1  r2  6  3  0
 2  r3  3  1  8