pandy: złożony filtr w wierszach DataFrame

Chciałbym filtrować wiersze według funkcji każdego wiersza, np

def f(row):
  return sin(row['velocity'])/np.prod(['masses']) > 5

df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, f)]

Albo inny, bardziej złożony, wymyślony przykład,

def g(row):
  if row['col1'].method1() == 1:
    val = row['col1'].method2() / row['col1'].method3(row['col3'], row['col4'])
  else:
    val = row['col2'].method5(row['col6'])
  return np.sin(val)

df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, g)]

Jak mogę to zrobić?

Możesz to zrobić za pomocą DataFrame.apply, który stosuje funkcję wzdłuż danej osi,

In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])

In [4]: df
Out[4]: 
          a         b         c
0 -0.001968 -1.877945 -1.515674
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

In [6]: df[df.apply(lambda x: x['b'] > x['c'], axis=1)]
Out[6]: 
          a         b         c
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

Załóżmy, że mam następującą ramkę DataFrame:

In [39]: df
Out[39]: 
      mass1     mass2  velocity
0  1.461711 -0.404452  0.722502
1 -2.169377  1.131037  0.232047
2  0.009450 -0.868753  0.598470
3  0.602463  0.299249  0.474564
4 -0.675339 -0.816702  0.799289

Mogę użyć sin i DataFrame.prod do stworzenia maski boolowskiej:

In [40]: mask = (np.sin(df.velocity) / df.ix[:, 0:2].prod(axis=1)) > 0

In [41]: mask
Out[41]: 
0    False
1    False
2    False
3     True
4     True

Następnie użyj maski, aby wybrać z DataFrame:

In [42]: df[mask]
Out[42]: 
      mass1     mass2  velocity
3  0.602463  0.299249  0.474564
4 -0.675339 -0.816702  0.799289

Określ, reduce=Trueaby obsługiwać również puste ramki DataFrames.

import pandas as pd

t = pd.DataFrame(columns=['a', 'b'])
t[t.apply(lambda x: x['a'] > 1, axis=1, reduce=True)]

https://crosscompute.com/n/jAbsB6OIm6oCCJX9PBIbY5FECFKCClyV/-/apply-custom-filter-on-rows-of-dataframe

Nie mogę komentować odpowiedzi Duckworthda , ale nie działa ona idealnie. Awaria, gdy ramka danych jest pusta:

df = pandas.DataFrame(columns=['a', 'b', 'c'])
df[df.apply(lambda x: x['b'] > x['c'], axis=1)]

Wyjścia:

ValueError: Must pass DataFrame with boolean values only

Dla mnie wygląda to na błąd w pandach, ponieważ {} jest ostatecznie poprawnym zbiorem wartości logicznych. Rozwiązanie znajdziesz w odpowiedzi Roya Hyunjin Hana .

Najlepszym podejściem, jakie znalazłem, jest to, że zamiast używać w reduce=Truecelu uniknięcia błędów dla pustego df (ponieważ ten argument i tak jest przestarzały), po prostu sprawdź, czy rozmiar df> 0 przed zastosowaniem filtru:

def my_filter(row):
    if row.columnA == something:
        return True

    return False

if len(df.index) > 0:
    df[df.apply(my_filter, axis=1)]

Możesz użyć tej locwłaściwości do wycinka ramki danych.

Według dokumentacji , locmoże mieć callable functionjako argument.

In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])

In [4]: df
Out[4]: 
          a         b         c
0 -0.001968 -1.877945 -1.515674
1 -0.540628  0.793913 -0.983315
2 -1.313574  1.946410  0.826350
3  0.015763 -0.267860 -2.228350
4  0.563111  1.195459  0.343168

# define lambda function
In [5]: myfilter = lambda x: x['b'] > x['c']

# use my lambda in loc
In [6]: df1 = df.loc[fif]

jeśli chcesz połączyć swoją funkcję filtrującą fifz innymi kryteriami filtrowania

df1 = df.loc[fif].loc[(df.b >= 0.5)]