pandas
Boolesche Indizierung von Datenrahmen

Einführung

Zugriff auf einen DataFrame mit einem booleschen Index

Dies wird unser Beispieldatenrahmen sein:

df = pd.DataFrame({"color": ['red', 'blue', 'red', 'blue']},
                  index=[True, False, True, False])
      color
True    red
False  blue
True    red
False  blue

Zugriff mit .loc

df.loc[True]
     color
True   red
True   red

Zugriff mit .iloc

df.iloc[True]
>> TypeError

df.iloc[1]
color    blue
dtype: object

Wichtig zu beachten ist , dass ältere Versionen Pandas nicht zwischen boolean und Integer - Eingang unterschieden, so .iloc[True] würde das gleiche wie das Rück .iloc[1]

Zugriff mit .ix

df.ix[True]
     color
True   red
True   red

df.ix[1]
color    blue
dtype: object

Wie Sie sehen, hat .ix zwei Verhalten. Dies ist eine sehr schlechte Praxis im Code und sollte daher vermieden werden. Bitte verwenden Sie .iloc oder .loc , um genauer zu sein.

Anwenden einer booleschen Maske auf einen Datenrahmen

Dies wird unser Beispieldatenrahmen sein:

  color      name   size
0   red      rose    big
1  blue    violet    big
2   red     tulip  small
3  blue  harebell  small

Verwenden des magischen __getitem__ oder [] __getitem__ . Wenn Sie ihm eine Liste von Wahr und Falsch mit derselben Länge wie das Datenfeld geben, erhalten Sie

df[[True, False, True, False]]
  color   name   size
0   red   rose    big
2   red  tulip  small

Maskieren von Daten basierend auf dem Spaltenwert

Dies wird unser Beispieldatenrahmen sein:

  color      name   size
0   red      rose    big
1  blue    violet  small
2   red     tulip  small
3  blue  harebell  small

Beim Zugriff auf eine einzelne Spalte aus einem pd.Series können wir einen einfachen Vergleich == , um jedes Element in der Spalte mit der angegebenen Variablen zu vergleichen und eine pd.Series von True und False zu erzeugen

df['size'] == 'small'
0    False
1     True
2     True
3     True
Name: size, dtype: bool

Diese pd.Series ist eine Erweiterung eines np.array die eine Erweiterung einer einfachen list . Daher können wir sie wie im obigen Beispiel an __getitem__ oder [] .

size_small_mask = df['size'] == 'small'
df[size_small_mask]
  color      name   size
1  blue    violet  small
2   red     tulip  small
3  blue  harebell  small

Maskieren von Daten basierend auf dem Indexwert

Dies wird unser Beispieldatenrahmen sein:

         color   size
name                 
rose       red    big
violet    blue  small
tulip      red  small
harebell  blue  small

Wir können eine Maske basierend auf den Indexwerten erstellen, genau wie bei einem Spaltenwert.

rose_mask = df.index == 'rose'
df[rose_mask]
     color size
name           
rose   red  big

Aber das ist fast das Gleiche wie

df.loc['rose']
color    red
size     big
Name: rose, dtype: object

Der wichtige Unterschied besteht darin, dass, wenn .loc nur eine Zeile im übereinstimmenden Index pd.Series , eine pd.Series wird. Wenn mehr Zeilen gefunden werden, die übereinstimmen, wird ein pd.DataFrame . Dies macht diese Methode ziemlich instabil.

Dieses Verhalten kann gesteuert werden, indem dem .loc eine Liste eines einzelnen Eintrags .loc . Dadurch wird ein Datenrahmen zurückgegeben.

df.loc[['rose']]
         color   size
name                 
rose       red    big