根据熊猫数据框的条件创建字典

Question

假设我有简单的数据框，例如：

data = {'Col_A' : [0.75, 0.25, 0.25, 0.75, 0.75, 0.25], 'Col_B' : [2, 2.5, 1, 1.5, 3, 3.5]}
df = pd.DataFrame(data)

结果如下：

   Col_A  Col_B
0   0.75    2.0
1   0.25    2.5
2   0.25    1.0
3   0.75    1.5
4   0.75    3.0
5   0.25    3.5

我想做的是对Col_A 和Col_B 使用条件并遍历每一行，如果两者都匹配条件，我想将该行添加到字典中。

假设Col_A < 0.5 和Col_B > 2 我想用Col_B 附加一个字典，它是适当的值。

在上述情况下，我希望字典返回为 {'Col_B : 3.0, 'Col_B' : 2.5} 我知道Col_B 在这里重复，但我有很多列和很多行的df，我基本上是想了解一些事情中发生的频率。

我希望能够使用的代码是这样的：

dict['Col_B'] = np.where((df['Col_A'] < 0.5) and (df['Col_B'] > 1.5), df['Col_B'])

显然我知道这行不通，但这是我的想法。任何帮助都会非常高兴。

Answer 1

您想根据 Col_A 和 Col_B 的条件从 Col_B 中获取值吗？你可以这样做：

# identify rows with matching conditions
idx = (df.Col_A < 0.5) & (df.Col_B > 2)

# put values from Col_B into your dictionary
dict["Col_B"] = list(df.loc[idx, "Col_B"])

这每次都会覆盖字典中的“Col_B”，但如果需要，您可以修改它以追加（我不确定您想在这里实现什么，所以我不知道您的应用程序是否需要追加） .

你说

我基本上是想了解某件事在几件事中发生的频率

如果只想统计 Col_A 2 的实例，只需拉取大小

numEvents = df.loc[idx, "Col_B"].size