根据 file.txt pandas 中的模式匹配对数据框进行子集

Question

我有一个数据框，比如

query   subject col1
A   dog ok
B   cat okl
C   cat oklp
D   frog    ok
E   cat ok
F   fox ok

还有一个file.txt，例如：

dog
cat 

这个想法是只保留在 file.txt 中存在模式的行。 在这里我应该得到：

query   subject col1
A   dog ok
B   cat okl
C   cat oklp
E   cat ok

我试过了：

file = open('file.txt').read()

df=[]
for row in tab['subject']:
 if row in file: 
   row.append(df)

但这似乎不是解决方案，谢谢您的帮助。

Answer 1

考虑到您的数据框称为 df，此答案将 file.txt 也作为数据框和 merge 两个数据框读取，从而产生所需的结果 - 类似于内部连接的解决方案来自 SQL：

>> df2 = pd.read_csv('file.txt', header= None, names=['subject'])
>> pd.merge(df, df2, on='subject')

    query   subject col1
0   A       dog     ok
1   B       cat     okl
2   C       cat     oklp
3   E       cat     ok

Answer 2

您可以使用df.loc[] 获取满足条件的特定行，并使用isin() 检查数据框中的某些内容是否显示在给定列表中。首先列出文件中的条目：

vals = []  # placeholder for our file contents
with open('file.txt', 'r') as a_file:
    for line in a_file:
        vals.append(line)

接下来选择主题列是从文件中读取的值之一的行。假设您的数据框称为df：

new_df = df.loc[df.subject.isin(vals)]

旁注：您几乎从不想迭代数据框。这也有例外，但一般来说，如果您发现自己在数据帧上进行迭代（例如 for row in df:），您可以重写那段代码以利用 Pandas 中的矢量化函数，这些函数更多高效。