如何按布尔值过滤？答案

【问题标题】：How to filter by boolean?如何按布尔值过滤？
【发布时间】：2020-05-15 09:34:26
【问题描述】：

我提取了一系列布尔值，我想在 Pandas 中从中过滤一个数据框，但它没有返回任何结果。

数据框

  Account   mphone  rphone  BPHONE
0 14999201  3931812 8014059 9992222
1 12980801  4444444 3932929 4279999
2 9999999   3279999 4419999 3938888

这是系列：

df['BPHONE'].str.startswith(tuple(combined_list))

0    False
1     True
2    False
Name: BPHONE, dtype: bool

df['rphone'].str.startswith(tuple(combined_list))

0     True
1    False
2     True
Name: rphone, dtype: bool

现在下面，当我尝试过滤时，我得到空结果：

df[(df['BPHONE'].str.startswith(tuple(combined_list))) & (df['rphone'].str.startswith(tuple(combined_list)))]

    Account mphone  rphone  BPHONE

最后，当我只使用一列时，它似乎是按行而不是按列匹配和过滤。这里有关于如何纠正这个问题的建议吗？

df[(df['BPHONE'].str.startswith(tuple(combined_list)))]

  Account   mphone  rphone  BPHONE
1 12980801  4444444 3932929 4279999

我认为这应该只是沿列轴而不是行轴填充 BPHONE。我怎样才能以这种方式过滤？

想要的输出如下：

Account  mphone rphone   BPHONE
14999201 3931812 8014059 np.nan
12980801 4444444 np.nan  4279999
99999999 3279999 4419999 np.nan

为了解释这一点，rphone 显示 True、False、True，因此只有 True 数字应该显示。在 False 下它不应显示，或显示为 NAN。

【问题讨论】：

你得到的是合法的。看看df['BPHONE'].str.contains 和df['rphone'].str.contains 的结果——你看到两个结果都为真的行吗？
布尔掩码对行进行操作。您不会得到任何结果，因为 True False True 和 False True False 是互斥的。您说您正在尝试对列进行操作，您能否提供您首选输出的示例以制作minimal reproducible example，以便我们更好地了解您的问题？
您希望得到什么？它似乎与您共享的代码的逻辑不同。
我添加了预期的内容。谢谢！

标签： python pandas dataframe

【解决方案1】：

您期望的输出不是过滤结果，而是有条件替换的结果。

condition = df['BPHONE'].str.startswith(tuple(combined_list))

使用np.where

df['BPHONE'] = pd.np.where(condition, df['BPHONE'], pd.np.nan)

或

df.loc[~condition, 'BPHONE'] = pd.np.nan

【讨论】：

【解决方案2】：

您应用的所有过滤器都正常运行：

df['BPHONE'].str.startswith(tuple(combined_list))   
0    False
1     True #Only this row will be retained 
2    False

组合过滤器将返回：

df[(df['BPHONE'].str.startswith(tuple(combined_list))) & (df['rphone'].str.startswith(tuple(combined_list)))]

    First filter Second filter Combined filter
0          False          True           False #Not retained
1           True         False           False #Not retained
2          False          True           False #Not retained

【讨论】：