根据标准获取 Python Pandas 中的第一行数据框

Question

假设我有一个像这样的数据框

import pandas as pd
df = pd.DataFrame([[1, 2, 1], [1, 3, 2], [4, 6, 3], [4, 3, 4], [5, 4, 5]], columns=['A', 'B', 'C'])

>> df
   A  B  C
0  1  2  1
1  1  3  2
2  4  6  3
3  4  3  4
4  5  4  5

原始表格更复杂，列和行更多。

我想获得满足某些条件的第一行。例子：

1. 获取 A > 3 的第一行（返回第 2 行）
2. 获取 A > 4 AND B > 3 的第一行（返回第 4 行）
3. 获取 A > 3 AND (B > 3 OR C > 2) 的第一行（返回第 2 行）

但是，如果没有任何行满足特定条件，那么我想在按 A 降序排序（或其他情况下按 B、C 等）排序后获得第一行

4. 获取 A > 6 的第一行（通过 A desc 排序返回第 4 行并获取第一个）

我能够通过迭代数据框来做到这一点（我知道胡扯：P）。所以，我更喜欢用pythonic的方式来解决它。

Answer 1

This tutorial 非常适合用于熊猫切片。确保你检查出来。在一些 sn-ps 上...要使用条件对数据帧进行切片，请使用以下格式：

>>> df[condition]

这将返回您可以使用iloc 索引的数据帧切片。以下是您的示例：

1. 获取 A > 3 的第一行（返回第 2 行）

   >>> df[df.A > 3].iloc[0]
   A    4
   B    6
   C    3
   Name: 2, dtype: int64
   

如果你真正想要的是行号，而不是使用iloc，它会是df[df.A > 3].index[0]。

1. 获取 A > 4 AND B > 3 的第一行：

   >>> df[(df.A > 4) & (df.B > 3)].iloc[0]
   A    5
   B    4
   C    5
   Name: 4, dtype: int64
   

2. 获取 A > 3 AND (B > 3 OR C > 2) 的第一行（返回第 2 行）

   >>> df[(df.A > 3) & ((df.B > 3) | (df.C > 2))].iloc[0]
   A    4
   B    6
   C    3
   Name: 2, dtype: int64
   

现在，对于您的最后一个案例，我们可以编写一个函数来处理返回降序帧的默认情况：

>>> def series_or_default(X, condition, default_col, ascending=False):
...     sliced = X[condition]
...     if sliced.shape[0] == 0:
...         return X.sort_values(default_col, ascending=ascending).iloc[0]
...     return sliced.iloc[0]
>>> 
>>> series_or_default(df, df.A > 6, 'A')
A    5
B    4
C    5
Name: 4, dtype: int64

正如预期的那样，它返回第 4 行。

Answer 2

对于现有匹配，使用query:

df.query(' A > 3' ).head(1)
Out[33]: 
   A  B  C
2  4  6  3

df.query(' A > 4 and B > 3' ).head(1)
Out[34]: 
   A  B  C
4  5  4  5

df.query(' A > 3 and (B > 3 or C > 2)' ).head(1)
Out[35]: 
   A  B  C
2  4  6  3

Answer 3

你可以用切片和头部处理前 3 个项目：

1. df[df.A>=4].head(1)
2. df[(df.A>=4)&(df.B>=3)].head(1)
3. df[(df.A>=4)&((df.B>=3) * (df.C>=2))].head(1)

万一没有返回的情况，你可以用 try 或 if 来处理......

try:
    output = df[df.A>=6].head(1)
    assert len(output) == 1
except: 
    output = df.sort_values('A',ascending=False).head(1)

Answer 4

对于'在找到满足要求的第一行/记录并且不迭代其他行'时立即返回值的点，以下代码将起作用：

def pd_iter_func(df):
    for row in df.itertuples():
        # Define your criteria here
        if row.A > 4 and row.B > 3:
            return row

在处理大型数据帧时，它比Boolean Indexing 更有效。

为了让上面的函数更适用，可以实现 lambda 函数：

def pd_iter_func(df: DataFrame, criteria: Callable[[NamedTuple], bool]) -> Optional[NamedTuple]:
    for row in df.itertuples():
        if criteria(row):
            return row

pd_iter_func(df, lambda row: row.A > 4 and row.B > 3)

---

正如the answer to the 'mirror' question 中提到的，pandas.Series.idxmax 也是一个不错的选择。

def pd_idxmax_func(df, mask):
    return df.loc[mask.idxmax()]

pd_idxmax_func(df, (df.A > 4) & (df.B > 3))