访问存储在 pandas 数据框中的数组

Question

我有一个 pandas 数据框，其中一列包含一维 numpy 数组，另一列包含标量数据，例如：

df =
    A   B
0   x   [0, 1, 2]
1   y   [0, 1, 2]
2   z   [0, 1, 2]

我想为 A=='x' 所在的行获取 B 所以我尝试了 df[df.A == 'x'].B.values 这给了我输出：

array([array([0, 1, 2])], dtype=object)

输出周围有一个额外的array([])。我知道 Pandas 将它视为一个对象而不仅仅是数据，我有一种方法可以使用 df[df.A == 'x'].B.values[0] 来访问数组。对于标量数据，我可以只使用语法df[df.A == 'x'].B，它比我必须使用的df[df.A == 'x'].B.values[0] 干净得多。

我的问题是：有没有更好/更干净/更短的方法来访问我输入的格式的数据？还是这只是我必须忍受的事情？

Answer 1

不同之处不在于数组是一个对象，而是您指定的查询可以返回多个对象（因此是外部数组（））。如果您确信查询将只返回一个对象，那么您可以使用@Wen 的解决方案来使用.item()：

In [1]: import pandas as pd

In [2]: df = pd.DataFrame([
   ...: dict(A='x', B=[0,1,2]),
   ...: dict(A='y', B=[0,1,2]),
   ...: dict(A='z', B=[0,1,2]),
   ...: ])

In [3]: df[df.A == 'x'].B.item()
Out[3]: [0, 1, 2]

但是根据查询的类型，您至少应该考虑检查结果以确保：

In [4]: df = pd.DataFrame([
   ...: dict(A='x', B=[0,1,2]),
   ...: dict(A='y', B=[0,1,2]),
   ...: dict(A='z', B=[0,1,2]),
   ...: dict(A='x', B=[3,3,3]),
   ...: ])

In [5]: df[df.A == 'x'].B.item()
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-8-e0ad528e719e> in <module>()
----> 1 df[df.A == 'x'].B.item()

   ...

ValueError: can only convert an array of size 1 to a Python scalar

In [6]: df[df.A == 'x'].B.values
Out[6]: array([[0, 1, 2], [3, 3, 3]], dtype=object)

Answer 2

您可以使用squeeze 方法。如果应用过滤器后的结果仅包含一行，它将返回该行的内容，因为它会将其转换为低一维。

In[103]: df = pd.DataFrame([['x', [1, 2, 3]], ['y', [1, 2, 3]], ['y', [1, 2, 3]]], index=[0, 1, 2], columns=['A', 'B'])
In[104]: df
Out[104]: 
   A          B
0  x  [1, 2, 3]
1  y  [1, 2, 3]
2  y  [1, 2, 3]

In[105]: df[df.A == 'x'].B.squeeze()
Out[105]: [1, 2, 3]

In[106]: df[df.A == 'y'].B.squeeze()
Out[106]: 
1    [1, 2, 3]
2    [1, 2, 3]
Name: B, dtype: object

Answer 3

使用loc 时，您将获得不同的对象，具体取决于您传递的索引器。在您的示例中：

df.loc[df.A == 'x', 'B']

您传递了df.A == 'x'，它返回一个布尔值pd.Series。由于这是一个类似于输入的数组，因此可以保证获得扩展索引维度的输出。

现在，因为第二个索引器是标量 'B'，所以您不会扩展列维度。因此，输出的是一个pd.Series 对象，其索引由布尔系列df.A == 'x' 为True 且名称为'B' 的所有索引值组成。

0    [1, 2, 3]
Name: B, dtype: object

简而言之这与'B'列中的数组无关

---

选项 1
从df.A == 'x'获取标量结果

df.loc[df.A.eq('x').idxmax(), 'B']

[1, 2, 3]

---

选项 2
设置索引

df.set_index('A').B.loc['x']

[1, 2, 3]

---

选项 3
棘手的字典
我对这个选项并不认真。我只是觉得这很酷。正如 cmets 中提到的，它有很多可能出错的地方。

dict(df.values)['x']

[1, 2, 3]

但是，稍作修改，我们可以提高鲁棒性。

dict(df[['A', 'B']].values)['x']