动态过滤 pandas 数据框

我正在尝试使用三列的阈值来过滤 pandas 数据框

import pandas as pd
df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
df = df.loc[(df.A > 0) & (df.B > 2) & (df.C > -1)].reset_index(drop = True)

df
    A  B  C
0   2  5  2
1  10  3  1
2   3  6  2

但是，我想在一个函数中执行此操作，其中列的名称及其阈值在字典中提供给我。这是我的第一次尝试，效果很好。本质上我把过滤器放在里面cond变量并运行它：

df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
limits_dic = {"A" : 0, "B" : 2, "C" : -1}
cond = "df = df.loc["
for key in limits_dic.keys():
    cond += "(df." + key + " > " + str(limits_dic[key])+ ") & "
cond = cond[:-2] + "].reset_index(drop = True)"
exec(cond)
df
    A  B  C
0   2  5  2
1  10  3  1
2   3  6  2

现在，最后我将所有内容放入一个函数中，它停止工作（也许exec函数不喜欢在函数内部使用！）：

df = pd.DataFrame({"A" : [6, 2, 10, -5, 3],
                   "B" : [2, 5, 3, 2, 6],
                   "C" : [-5, 2, 1, 8, 2]})
limits_dic = {"A" : 0, "B" : 2, "C" : -1}
def filtering(df, limits_dic):
    cond = "df = df.loc["
    for key in limits_dic.keys():
        cond += "(df." + key + " > " + str(limits_dic[key])+ ") & "
    cond = cond[:-2] + "].reset_index(drop = True)"
    exec(cond)
    return(df)

df = filtering(df, limits_dic)
df
    A  B  C
0   6  2 -5
1   2  5  2
2  10  3  1
3  -5  2  8
4   3  6  2

我知道exec在函数内部使用时，函数的行为有所不同，但不确定如何解决该问题。另外，我想知道必须有一种更优雅的方法来定义一个函数来执行给定两个输入的过滤：1）df and 2)limits_dic = {"A" : 0, "B" : 2, "C" : -1}。我将不胜感激对此的任何想法。

如果您尝试构建动态查询，有更简单的方法。这是一个使用列表理解和str.join:

query = ' & '.join(['{}>{}'.format(k, v) for k, v in limits_dic.items()])

或者，使用f-使用 python-3.6+ 的字符串，

query = ' & '.join([f'{k}>{v}' for k, v in limits_dic.items()])

print(query)

'A>0 & C>-1 & B>2'

将查询字符串传递给df.query，它就是为了这个目的：

out = df.query(query)
print(out)

    A  B  C
1   2  5  2
2  10  3  1
4   3  6  2

如果我的列名称有空格或其他奇怪的字符怎么办？

从 pandas 0.25 开始，您可以将列名用反引号括起来，这样就可以了：

query = ' & '.join([f'`{k}`>{v}' for k, v in limits_dic.items()])

See 这个堆栈溢出帖子 https://stackoverflow.com/questions/50697536/pandas-query-function-not-working-with-spaces-in-column-names了解更多。

你也可以使用df.eval如果您想为查询获取布尔掩码，那么索引就变得很简单：

mask = df.eval(query)
print(mask)

0    False
1     True
2     True
3    False
4     True
dtype: bool

out = df[mask]
print(out)

    A  B  C
1   2  5  2
2  10  3  1
4   3  6  2

字符串数据

如果您需要查询使用字符串数据的列，则上面的代码需要稍作修改。

考虑（数据来自这个答案 https://stackoverflow.com/a/50692578/4909087):

df = pd.DataFrame({'gender':list('MMMFFF'),
                   'height':[4,5,4,5,5,4],
                   'age':[70,80,90,40,2,3]})

print (df)
  gender  height  age
0      M       4   70
1      M       5   80
2      M       4   90
3      F       5   40
4      F       5    2
5      F       4    3

以及列、运算符和值的列表：

column = ['height', 'age', 'gender']
equal = ['>', '>', '==']
condition = [1.68, 20, 'F']

这里适当的修改是：

query = ' & '.join(f'{i} {j} {repr(k)}' for i, j, k in zip(column, equal, condition))
df.query(query)

   age gender  height
3   40      F       5

有关信息pd.eval()函数系列、其特性和用例，请访问使用 pd.eval() 在 pandas 中进行动态表达式评估 https://stackoverflow.com/questions/53779986/dynamic-expression-evaluation-in-pandas-using-pd-eval.