布尔索引可以产生一个大 pandas 数据框的视图？ [英] boolean indexing that can produce a view to a large pandas dataframe?

问题描述

有一个大数据帧，我想要采取（根据多个布尔条件）切片，然后修改这些切片中的条目，以更改原始的数据框 - 即我需要一个视图到原来。问题是，花哨的索引总是返回一个复制。思想的 .ix 方法，但使用 df.ix [] 方法的布尔索引也返回一个副本。

基本上如果 df 是我的数据框，我想查看列C，使$ C！= 0，A == 10，B< 30，... 等在熊猫中有快速的方法吗？

解决方案

即使 df.loc [idx] 可能是一个副本的一部分 df ， 赋值到 df.loc [idx] 修改 df 本身。 （这也适用于 df.iloc 和 df.ix 。）

例如，

 将pandas导入pd 
导入numpy作为np 
 df = pd.DataFrame（{'A'：[9,10] * 6，
'B'：range（23,35），
'C'：range（-6,6）}） 
 
打印（df）
＃ABC 
＃0 9 23 -6 
＃1 10 24 -5 
＃2 9 25 -4 
＃3 10 26 -3 
＃4 9 27 -2 
＃5 10 28 -1 
＃6 9 29 0 
＃7 10 30 1 
 ＃8 9 31 2 
＃9 10 32 3 
＃10 9 33 4 
＃11 10 34 5 
  

这是我们的布尔索引：

  idx =（df ['C' ！= 0）& （df ['A'] == 10）& （df ['B']< 30）
  

我们可以修改 df 其中 idx 通过分配给 df.loc [idx，...] 。例如，

  df.loc [idx，'A'] + = df.loc [idx，'B'] * df.loc [idx，'C'] 
 print（df）
  

p>

  ABC 
 0 9 23 -6 
 1 -110 24 -5 
 2 9 25  - 4 
 3 -68 26 -3 
 4 9 27 -2 
 5 -18 28 -1 
 6 9 29 0 
 7 10 30 1 
 8 9 31 2 
 9 10 32 3 
 10 9 33 4 
 11 10 34 5 
  

Got a large dataframe that I want to take slices of (according to multiple boolean criteria), and then modify the entries in those slices in order to change the original dataframe -- i.e. I need a view to the original. Problem is, fancy indexing always returns a copy. Thought of the .ix method, but boolean indexing with the df.ix[] method also returns a copy.

Essentially if df is my dataframe, I'd like a view to column C such that C!=0, A==10, B<30,... etc. Is there a fast way to do this in pandas?

解决方案

Even though df.loc[idx] may be a copy of a portion of df, assignment to df.loc[idx] modifies df itself. (This is also true of df.iloc and df.ix.)

For example,

import pandas as pd
import numpy as np
df = pd.DataFrame({'A':[9,10]*6,
                   'B':range(23,35),
                   'C':range(-6,6)})

print(df)
#      A   B  C
# 0    9  23 -6
# 1   10  24 -5
# 2    9  25 -4
# 3   10  26 -3
# 4    9  27 -2
# 5   10  28 -1
# 6    9  29  0
# 7   10  30  1
# 8    9  31  2
# 9   10  32  3
# 10   9  33  4
# 11  10  34  5

Here is our boolean index:

idx = (df['C']!=0) & (df['A']==10) & (df['B']<30)

We can modify those rows of df where idx is True by assigning to df.loc[idx, ...]. For example,

df.loc[idx, 'A'] += df.loc[idx, 'B'] * df.loc[idx, 'C']
print(df)

yields

      A   B  C
0     9  23 -6
1  -110  24 -5
2     9  25 -4
3   -68  26 -3
4     9  27 -2
5   -18  28 -1
6     9  29  0
7    10  30  1
8     9  31  2
9    10  32  3
10    9  33  4
11   10  34  5

这篇关于布尔索引可以产生一个大 pandas 数据框的视图？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！