Pandas 数据框 - 选择其中一列的值包含字符串且另一列的值以特定字符串开头的行答案

【问题标题】：Pandas dataframe - Select rows where one column's values contains a string and another column's values starts with specific stringsPandas 数据框 - 选择其中一列的值包含字符串且另一列的值以特定字符串开头的行
【发布时间】：2018-07-17 05:36:23
【问题描述】：

我希望选择 state 包含单词 Traded 且 trading _book 不以字母 'E'、'L'、'N' 开头的行

Test_Data = [('originating_system_id', ['RBCL', 'RBCL', 'RBCL','RBCL']),
             ('rbc_security_type1', ['CORP', 'CORP','CORP','CORP']),
             ('state', ['Traded', 'Traded Away','Traded','Traded Away']),
             ('trading_book', ['LCAAAAA','NUBBBBB','EDFGSFG','PDFEFGR'])
             ]
dfTest_Data = pd.DataFrame.from_items(Test_Data)
display(dfTest_Data)

originating_system_id   rbc_security_type1     state        trading_book
        RBCL                   CORP            Traded          LCAAAAA
        RBCL                   CORP            Traded Away     NUBBBBB
        RBCL                   CORP            Traded          EDFGSFG
        RBCL                   CORP            Traded Away     PDFEFGR

期望的输出：

originating_system_id   rbc_security_type1     state        trading_book
        RBCL                   CORP            Traded Away     PDFEFGR

虽然这样可以解决问题：

prefixes = ['E','L','N']
df_Traded_Away_User = dfTest_Data[
                                    dfTest_Data[~dfTest_Data['trading_book'].str.startswith(tuple(prefixes))]  &
                                    (dfTest_Data['state'].str.contains('Traded')) 
                                ][['originating_system_id','rbc_security_type1','state','trading_book']]
display(df_Traded_Away_User)

但我得到了：

ValueError: Must pass DataFrame with boolean values only

【问题讨论】：

标签： python database pandas

【解决方案1】：

我建议单独创建每个布尔掩码以获得更好的可读性代码，然后将它们链接到&：

prefixes = ['E','L','N']

m1 = ~dfTest_Data['trading_book'].str.startswith(tuple(prefixes))
m2 = dfTest_Data['state'].str.contains('Traded')

cols = ['originating_system_id','rbc_security_type1','state','trading_book']
df_Traded_Away_User = dfTest_Data.loc[m1 & m2, cols]
print (df_Traded_Away_User)
  originating_system_id rbc_security_type1        state trading_book
3                  RBCL               CORP  Traded Away      PDFEFGR

【讨论】：

工作。过滤行时最好使用 .loc？
@PeterLucas - 这取决于需要什么。如果要按所有列过滤，则df_Traded_Away_User = dfTest_Data[m1 & m2] 更好，但如果只想按某些列过滤，例如像cols = ['originating_system_id', 'trading_book']df_Traded_Away_User = dfTest_Data.loc[m1 & m2, cols]这样的2列是loc必要的。