在python中屏蔽熊猫数据框上的多列

Question

我希望在 python 中对 pandas 数据集的每一列（分别针对其属性）应用 multiply mask。 在下一步中，我想在适合所有条件的数据框中找到（a）行。 因此我有：

df
Out[27]: 
   DE  FL  GA  IA  ID 
0   0   1   0   0   0 
1   1   0   1   0   1  
2   0   0   1   0   0 
3   0   1   0   0   0
4   0   0   0   0   0 

mask_list = []
for i in range(0,5):

    if i % 2==0:
        mask_list.append(df[[i]]>0)
    else:
        mask_list.append(df[[i]]<1)

concat_frame = pa.DataFrame()
for mask in mask_list:
    concat_frame =pa.concat((concat_frame, mask), axis=1)

concat_frame
Out[48]: 
      DE     FL     GA    IA     ID
0  False   False False  True  False
1  True    True  True   True  True
2  False   True  True   True  False
3  False   False False  True  False
4  False   True  False  True  False

[5 rows x 5 columns]

更新 预期结果：

outcome
Out[60]:
   DE   FL  GA  IA  ID
1   1   0   1   0   1 

问题来了：
我如何在 df 上应用 concat_mask，以便我 选择行，其中所有 布尔标准都匹配 （是真的）？

Answer 1

您可以使用 pandas all 方法和布尔逻辑。正如 EdChum 评论的那样，我仍然不清楚您的确切示例，但类似的示例是

In [1]: df = DataFrame([[1,2],[-3,5]], index=[0,1], columns=['a','b'])
In [2]: df
Out [2]:
   a  b
0  1  2
1 -3  5

In [3]: msk = (df>1) & (df<5)
In [4]: msk
Out [4]:
      a    b
0 False  True
1 False False

In [5]: msk.all(axis=1)
Out [5]:
0  False
1  False
dtype: bool

如果您想通过掩码索引原始数据帧，您可以这样做

In [6]: df[msk]
Out [6]:
     a   b
0  NaN   2
1  NaN NaN

或者如您最初指出的所有行都为真的行

In [7]: idx = msk.all(axis=1)
In [8]: df[idx]
Out [8]:
Empty DataFrame
Columns: [a,b]
Index: []

或者如果有一行是真的

In [9]: idx[0] = True
In [10]: df[idx]
Out [10]:
  a b
0 1 2

编辑：只是为了解决 cmets 澄清后的原始问题，我们希望不同列的过滤标准不同

In [10]: msk1 = df[['a']] < 0
In [11]: msk2 = df[['b']] > 3
In [12]: msk = concat((msk1, msk2), axis=1)
In [12]: slct = msk.all(axis=1)
In [13]: df.ix[slct]
Out [13]:
   a b
1 -3 5

Answer 2

df[df[['DE', 'GA', 'ID']].all(axis=1) * (1 - df[['FL', 'IA']]).all(axis=1)]

这里的难点在于了解为什么要使用偶数/奇数列位置来确定处理方式。根据您的代码，您似乎希望第 0、2 和 4 列实际上是 1 减去它们的当前值。但是，根据您声称的预期输出，您实际上似乎希望第 1 列和第 3 列的 1 减去它们的当前值。

我上面的代码反映了后一种假设。总体思路仍然有效；只需调整它以反映您实际需要的任何列，减去 1 的值，假设您对所需的输出进行更严格的定义。

可能需要先清理并转换为适当的辅助函数，明确显示哪些列需要用 1 减去它们的值，而哪些列可以不理会。​​p>