根据列的列名(包含列的子字符串和行)选择列符合条件。

Question

我的意见：

mydata = (pd.DataFrame({'xyz':['Label','NG-ICV','NG-ICV','NG-ICV','ICV','ICV','ICV','NG-ICV','NG-ICV','Label',], 
                'foo':['Label','Label','Label','Label','Label','Label','Label','Label','Label','Label'],
                'bar':['Label','Label','Label','Label','NG-ICV','NG-ICV','ICV','ICV','NG-ICV','NG-ICV']}))    

我的必要代码计算两种模式之间的比率，并找出哪一列是最大的比率：

patNG = "NG-ICV"
pat = "ICV"
x=mydata.apply(lambda x: x.str.contains(patNG, regex=True).sum(), axis=0)
y=mydata.apply(lambda x: x.str.contains(pat, regex=True).sum(), axis=0)
z=x/y  
z=z.dropna()
mask=z.index.values.tolist()

现在，我希望在mask的两个条件列名中选择具有索引的行，并且只选择patNG和pat为True的行(其中的行值等于'ICV‘或’NG‘)。例如，对于列xyz，我希望如下所示：

  xyz 
4 NG-ICV
5 NG-ICCV
6 ICV
7 ICV
8 NG-ICV
9 NG-ICV

我的代码：

mydata.loc[  :,[mask[0] in i for i in mydata.columns] ]

在这里，如何再添加一个条件，使行的值也等于我的两个模式(‘pat’和'patNG')？

我必须使用正则表达式和模式，因为我的数据不是像ICV这样的标签，而是与其他标签的长字符串。

Answer 1

按照您的逻辑，您应该在求和之前保留模式的初始检测。然后在检测到的列上应用一个掩码来选择您的行：

X = mydata.apply(lambda x: x.str.contains(patNG, regex=True), axis=0)
Y = mydata.apply(lambda x: x.str.contains(pat, regex=True), axis=0)

x = X.sum()
y = Y.sum()
z = (x/y).dropna()
mask = z.index.values.tolist()

mydata.loc[(X|Y)[mask].all(1)]

产出：

      xyz    foo     bar
4     ICV  Label  NG-ICV
5     ICV  Label  NG-ICV
6     ICV  Label     ICV
7  NG-ICV  Label     ICV
8  NG-ICV  Label  NG-ICV