根据列值选择行答案

【问题标题】：Selecting rows based on a column value根据列值选择行
【发布时间】：2018-01-20 10:08:37
【问题描述】：

我有一个类似这样的数据框

data = {'ID': [1,2,3,4,5,6,7,8,9],
       'Doc':['Order','Order','Inv','Order','Order','Shp','Order', 'Order','Inv'],
       'Rep':[101,101,101,102,102,102,103,103,103]}
frame = pd.DataFrame(data)


    Doc     ID  Rep
0   Order   1   101
1   Order   2   101
2   Inv     3   101
3   Order   4   102
4   Order   5   102
5   Shp     6   102
6   Order   7   103
7   Order   8   103
8   Inv     9   103

现在我想为 Rep 选择 Doc 类型仅为 Inv 的行。

我想要一个数据框

    Doc     ID  Rep
0   Order   1   101
1   Order   2   101
2   Inv     3   101
6   Order   7   103
7   Order   8   103
8   Inv     9   103

所有代表都会有 Doc 类型的 Orders，所以我试图做这样的事情

frame[frame.Rep == frame.Rep[frame.Doc == 'Inv']]

但我得到一个错误

ValueError: 只能比较标签相同的 Series 对象

【问题讨论】：

标签： pandas slice

【解决方案1】：

您可以使用两次boolean indexing - 首先按条件获取所有Rep，然后按isin 获取所有行：

a = frame.loc[frame['Doc'] == 'Inv', 'Rep']
print (a)
2    101
8    103
Name: Rep, dtype: int64

df = frame[frame['Rep'].isin(a)]
print (df)
     Doc  ID  Rep
0  Order   1  101
1  Order   2  101
2    Inv   3  101
6  Order   7  103
7  Order   8  103
8    Inv   9  103

query 的解决方案：

a = frame.query("Doc == 'Inv'")['Rep']
df = frame.query("Rep in @a")
print (df)
     Doc  ID  Rep
0  Order   1  101
1  Order   2  101
2    Inv   3  101
6  Order   7  103
7  Order   8  103
8    Inv   9  103

时间安排：

np.random.seed(123)
N = 1000000
L = ['Order','Shp','Inv']
frame = pd.DataFrame({'Doc': np.random.choice(L, N,  p=[0.49, 0.5, 0.01]),
                     'ID':np.arange(1,N+1),
                     'Rep':np.random.randint(1000, size=N)})
print (frame.head())

     Doc  ID  Rep
0    Shp   1   95
1  Order   2  147
2  Order   3  282
3    Shp   4   82
4    Shp   5  746

In [204]: %timeit (frame.groupby('Rep').filter(lambda x: 'Inv' in x['Doc'].values))
1 loop, best of 3: 250 ms per loop

In [205]: %timeit (frame[frame['Rep'].isin(frame.loc[frame['Doc'] == 'Inv', 'Rep'])])
100 loops, best of 3: 17.3 ms per loop

In [206]: %%timeit
     ...: a = frame.query("Doc == 'Inv'")['Rep']
     ...: frame.query("Rep in @a")
     ...: 
100 loops, best of 3: 14.5 ms per loop

编辑：

感谢John Galt 的好建议：

df = frame.query("Rep in %s" % frame.query("Doc == 'Inv'")['Rep'].tolist()) 
print (df)
     Doc  ID  Rep
0  Order   1  101
1  Order   2  101
2    Inv   3  101
6  Order   7  103
7  Order   8  103
8    Inv   9  103

【讨论】：

这可能不可读，但可以用frame.query("Rep in %s" % frame.query("Doc == 'Inv'")['Rep'].tolist())单数

【解决方案2】：

import pandas as pd


frame_Filtered=frame[frame['Doc'].str.contains('Inv|Order')]

print(frame_Filtered)

我得到的输出

     Doc  ID  Rep
     0  Order   1  101
     1  Order   2  101
     2    Inv   3  101
     3  Order   4  102
     4  Order   5  102
     6  Order   7  103
     7  Order   8  103
     8    Inv   9  103

【讨论】：

谢谢，但我不想要 Rep 102。我只想要只有 Inv 和 Order 的 Rep。