你怎么过滤多个列的 pandas 数据框 [英] how do you filter pandas dataframes by multiple columns

问题描述

如果我们考虑男性和女性的数据，我们可能会：

 为了过滤一个数据框（df） males = df [df [Gender] =='Male'] 
  

问题1 - 数据跨越多年，我只想看到2014年的男性？

在其他语言，我可能会做这样的事情：

 如果A =男，如果B =2014，那么
  

（除了我想这样做，并获得一个新的数据框对象的原始数据框的一个子集）

问题2.我如何做到这一点一个循环，并为每一个独特的年份和性别设置一个数据框对象（例如，2013年的男性，2013年的女性，2014年的男性和2014年的女性，bf b

  for y年：
 
 for g性别：
 
 df = ..... 
  

解决方案使用& 运算符，不要忘记用来包装子语句（ ）：

  males = df [（df [Gender] =='Male'）& （df [Year] == 2014）] 
  

要将数据框存储在 dict 使用for循环：

 来自集合import defaultdict 
 dic = {} 
 for ['男'，'女']：
 dic [g] = defaultdict（dict）
在[2013，2014]中为y：
 dic [g ] [y] = df [（df [Gender] == g）& （df [Year] == y）]＃将DataFrames存储为字典字典
  

编辑：

$ b $ < getDF 的演示：

  def getDF（dic，gender，year）：
 return dic [gender] [year] 
 
 print genDF（dic，'male'，2014）
  

To filter a dataframe (df) by a single column, if we consider data with male and females we might:

males = df[df[Gender]=='Male']

Question 1 - But what if the data spanned multiple years and i wanted to only see males for 2014?

In other languages I might do something like:

if A = "Male" and if B = "2014" then 

(except I want to do this and get a subset of the original dataframe in a new dataframe object)

Question 2. How do I do this in a loop, and create a dataframe object for each unique sets of year and gender (i.e. a df for: 2013-Male, 2013-Female, 2014-Male, and 2014-Female

for y in year:

for g in gender:

df = .....

解决方案

Using & operator, don't forget to wrap the sub-statements with ():

males = df[(df[Gender]=='Male') & (df[Year]==2014)]

To store your dataframes in a dict using a for loop:

from collections import defaultdict
dic={}
for g in ['male', 'female']:
  dic[g]=defaultdict(dict)
  for y in [2013, 2014]:
    dic[g][y]=df[(df[Gender]==g) & (df[Year]==y)] #store the DataFrames to a dict of dict

EDIT:

A demo for your getDF:

def getDF(dic, gender, year):
  return dic[gender][year]

print genDF(dic, 'male', 2014)

这篇关于你怎么过滤多个列的 pandas 数据框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！