如何仅将与特定 user_id 关联的所有字段从数据帧复制到另一个数据帧？答案

【问题标题】：How to copy from a dataframe only all fields associated with a specific user_id to another dataframe?如何仅将与特定 user_id 关联的所有字段从数据帧复制到另一个数据帧？
【发布时间】：2014-04-04 17:22:01
【问题描述】：

我的数据框 df 包含如下表格：

timestamp   user_id val1    val2     val3  val4    val5    val6
01/01/2011  1   100 3    5     100     3       5
01/02/2013  1   8        6     12      15      3
01/07/2012  1   19  57   10    9       6       6        
01/11/2014  3   49  6        12    15      3
21/12/2012  3       240  30    240     30       
01/12/2013  3       63                  
01/12/2013  5   51  63       50

我想知道如何仅将与特定 user_id 关联的所有字段复制到另一个数据框 df1，例如获取如下表：

timestamp   user_id val1    val2     val3  val4    val5    val6
01/01/2011  1   100 3    5     100     3       5
01/02/2013  1   8        6     12      15      3
01/07/2012  1   19  57   10    9       6       6

提前感谢您的帮助。

【问题讨论】：

标签： python pandas

【解决方案1】：

df['user_id'] == 1 将返回一个布尔数组，当 user_id 列中的值等于 1 时，该数组为 True。因此，您可以选择这些行

df.loc[df['user_id'] == 1]

In [8]: df
Out[8]: 
    timestamp  user_id  val1  val2  val3  val4  val5  val6
0  01/01/2011        1   100     3     5   100     3     5
1  01/02/2013        1     8     6    12    15     3   NaN
2  01/07/2012        1    19    57    10     9     6     6
3  01/11/2014        3    49     6    12    15     3   NaN
4  21/12/2012        3   240    30   240    30   NaN   NaN
5  01/12/2013        3    63   NaN   NaN   NaN   NaN   NaN
6  01/12/2013        5    51    63    50   NaN   NaN   NaN

[7 rows x 8 columns]

In [9]: df['user_id'] == 1
Out[9]: 
0     True
1     True
2     True
3    False
4    False
5    False
6    False
Name: user_id, dtype: bool    

In [11]: df.loc[df['user_id'] == 1]
Out[11]: 
    timestamp  user_id  val1  val2  val3  val4  val5  val6
0  01/01/2011        1   100     3     5   100     3     5
1  01/02/2013        1     8     6    12    15     3   NaN
2  01/07/2012        1    19    57    10     9     6     6

[3 rows x 8 columns]

df[df['user_id'] == 1] 也可以，但我认为不太清楚，因为它使用与选择列相同的语法。

这是我根据您发布的表格重新构建 DataFrame df 的方法。我已编辑数据以在 user_id 列中包含逗号，以模拟您的实际数据。我保存了

timestamp   user_id val1    val2     val3  val4    val5    val6
01/01/2011  1   100 3    5     100     3       5
01/02/2013  1   8        6     12      15      3
01/07/2012  1   19  57   10    9       6       6        
01/11/2014  3   49  6        12    15      3
21/12/2012  3       240  30    240     30       
01/12/2013  3       63                  
01/12/2013  1,500   51  63       50

在一个名为 data 的文件中，然后运行

import locale
locale.setlocale(locale.LC_ALL, 'en_US.UTF-8')  # Set a locale which uses commas as the separator
df = pd.read_table('data', sep='\s+', converters={u'user_id':locale.atoi})

【讨论】：

当我在诸如 n=1, df['user_id'] == n 之类的代码中使用变量时，它似乎不起作用。
由于未知原因，即使 df[df['user_id'] == 1] 对我也不起作用。
好吧，唯一想到为什么它可能不起作用的原因是您的user_id 列是否存储字符串而不是整数。您可以通过查看df['user_id'].dtype 来测试这是否属实。它应该类似于dtype('int64')。如果这是问题的根源，那么您需要修改构建df 的方式。如果这不是问题的根源，请发布重现问题的可运行代码。 “对我不起作用”通常不足以让我们为您提供帮助。
输出为 dtype(O)。它们是对象。
那么一个快速但不太理想的解决方法是将user_id 转换为int dtype: df['user_id'] = df['user_id'].astype('int')。但是，这只是修补问题。更好的解决方案是构造 df 从一开始就拥有正确的 dtype。如果您正在从文本文件中读取数据，那么您可以使用pd.read_table 构造所需的df，如上所示。否则，如果您想获得有关如何正确构建 df 的建议，则必须提供更多详细信息（和代码）以显示您当前如何构建 df。