使用函数过滤 Pandas DataFrame

Question

这个问题和我昨天发的问题有关，可以找到here。

因此，我继续将 Jan 提供的解决方案应用于整个数据集。解决方法如下：

import re

def is_probably_english(row, threshold=0.90):
    regular_expression = re.compile(r'[-a-zA-Z0-9_ ]')
    ascii = [character for character in row['App'] if regular_expression.search(character)]
    quotient = len(ascii) / len(row['App'])
    passed = True if quotient >= threshold else False
    return passed

google_play_store_is_probably_english = google_play_store_no_duplicates.apply(is_probably_english, axis=1)

google_play_store_english = google_play_store_no_duplicates[google_play_store_is_probably_english]

因此，据我了解，我们正在使用 is_probably_english 函数过滤 google_play_store_no_duplicates DataFrame，并将结果（布尔值）存储到另一个 DataFrame (google_play_store_is_probably_english) 中。然后使用 google_play_store_is_probably_english 过滤掉 google_play_store_no_duplicates DataFrame 中的非英语应用程序，并将最终结果存储在新的 DataFrame 中。

这有意义吗？这似乎是解决问题的好方法吗？有没有更好的方法来做到这一点？

Answer 1

这是有道理的，我认为这是最好的方法，函数的结果是你所说的布尔值，然后当你将它应用到 pd.Series 中时，你最终会得到一个 pd.Series 的布尔值，通常称为布尔掩码。当您想通过某些参数过滤行时，这个概念在 pandas 中非常有用。

Here 是一篇关于 pandas 中布尔掩码的文章。