使用字典中的值过滤 pandas 数据框

问题描述：

我需要用字典过滤数据框，该字典以列名作为键，以我想要过滤的值作为值：

filter_v = {'A':1, 'B':0, 'C':'This is right'}
# this would be the normal approach
df[(df['A'] == 1) & (df['B'] ==0)& (df['C'] == 'This is right')]

但我想做点什么

for column, value in filter_v.items():
    df[df[column] == value]

但这会多次过滤数据框，每次过滤一个值，而不是同时应用所有过滤器。有没有办法通过编程来实现？

编辑：一个例子：

df1 = pd.DataFrame({'A':[1,0,1,1, np.nan], 'B':[1,1,1,0,1], 'C':['right','right','wrong','right', 'right'],'D':[1,2,2,3,4]})
filter_v = {'A':1, 'B':0, 'C':'right'}
df1.loc[df1[filter_v.keys()].isin(filter_v.values()).all(axis=1), :]

给出

    A   B   C   D
0   1   1   right   1
1   0   1   right   2
3   1   0   right   3

但预期的结果是

    A   B   C   D
3   1   0   right   3

只应选择最后一个。

解决方案 1：

IIUC，你应该能够做这样的事情：

>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
   A  B      C  D
3  1  0  right  3

这是通过创建一个系列来进行比较的：

>>> pd.Series(filter_v)
A        1
B        0
C    right
dtype: object

选择相应的部分df1：

>>> df1[list(filter_v)]
    A      C  B
0   1  right  1
1   0  right  1
2   1  wrong  1
3   1  right  0
4 NaN  right  1

找到匹配的位置：

>>> df1[list(filter_v)] == pd.Series(filter_v)
       A      B      C
0   True  False   True
1  False  False   True
2   True  False  False
3   True   True   True
4  False  False   True

找到所有匹配的位置：

>>> (df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)
0    False
1    False
2    False
3     True
4    False
dtype: bool

最后使用它来索引 df1：

>>> df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).all(axis=1)]
   A  B      C  D
3  1  0  right  3

解决方案 2：

对于传递过滤器值数组而不是单个值的情况，对上述内容进行抽象（类似于 pandas.core.series.Series.isin()）。使用相同的示例：

df1 = pd.DataFrame({'A':[1,0,1,1, np.nan], 'B':[1,1,1,0,1], 'C':['right','right','wrong','right', 'right'],'D':[1,2,2,3,4]})
filter_v = {'A':[1], 'B':[1,0], 'C':['right']}
##Start with array of all True
ind = [True] * len(df1)

##Loop through filters, updating index
for col, vals in filter_v.items():
    ind = ind & (df1[col].isin(vals))

##Return filtered dataframe
df1[ind]

##Returns

    A   B    C      D
0   1.0 1   right   1
3   1.0 0   right   3

解决方案 3：

对于 python2，@primer 的答案中没有问题。但是，由于dict_keys ，在 Python3 中你应该小心。例如，

>> df.loc[df[filter_v.keys()].isin(filter_v.values()).all(axis=1), :]
>> TypeError: unhashable type: 'dict_keys'

Python3的正确方法：

df.loc[df[list(filter_v.keys())].isin(list(filter_v.values())).all(axis=1), :]

解决方案 4：

以下是一种方法：

df.loc[df[filter_v.keys()].isin(filter_v.values()).all(axis=1), :]

更新：

如果各列的值相同，则可以执行以下操作：

# Create your filtering function:

def filter_dict(df, dic):
    return df[df[dic.keys()].apply(
            lambda x: x.equals(pd.Series(dic.values(), index=x.index, name=x.name)), axis=1)]

# Use it on your DataFrame:

filter_dict(df1, filter_v)

得出的结果是：

   A  B      C  D
3  1  0  right  3            

如果这是你经常做的事情，你甚至可以修补 DataFrame 以轻松访问此过滤器：

pd.DataFrame.filter_dict_ = filter_dict

然后像这样使用该过滤器：

df1.filter_dict_(filter_v)

这将产生相同的结果。

但显然这不是正确的做法。我会使用 DSM 的方法。

解决方案 5：

您还可以创建查询

query_string = ' and '.join(
    [f'({key} == "{val}")' if type(val) == str else f'({key} == {val})' for key, val in filter_v.items()]
)

df1.query(query_string)

解决方案 6：

这是另一种方法：

filterSeries = pd.Series(np.ones(df.shape[0],dtype=bool))
for column, value in filter_v.items():
    filterSeries = ((df[column] == value) & filterSeries)

得出：

>>> df[filterSeries]
   A  B      C  D
3  1  0  right  3 

解决方案 7：

为了跟进 DSM 的答案，您还可以使用any()将查询转变为 OR 运算（而不是 AND）：

df1.loc[(df1[list(filter_v)] == pd.Series(filter_v)).any(axis=1)]

解决方案 8：

结合前面的答案，这里有一个可以提供给 的函数df1.loc。允许 AND/OR (使用how='all'/ )，此外，如果需要，它还允许使用关键字'any'以外的比较。==`op`

import operator

def quick_mask(df, filters, how='all', op=operator.eq) -> pd.Series:
    if how == 'all':
        comb = pd.Series.all
    elif how == 'any':
        comb = pd.Series.any
    return comb(op(df[[*filters]], pd.Series(filters)), axis=1)

# Usage
df1.loc[quick_mask(df1, filter_v)]

解决方案 9：

由于我的字典中同一个键有多个值，所以我遇到了一个问题。

我能够将 DSM 的查询更改为：

df1.loc[df1[list(filter_v)].isin(filter_v).all(axis=1), :]