熊猫.loc[].index

Question

在指定列中定位和删除多个字符串的最有效方法(使用尽可能少的行数)是什么？

有关可能有助于提供帮助的.tsv数据集的信息

'tconst' =电影ID

' region ' =电影上映的区域

' language ' =电影语言

我现在要说的是：

origin.drop(origin.columns[[1,2,5,6,7]], axis=1, inplace=True)
origin.columns = ['tconst','region','language']
origin.drop(origin.loc[origin['region']!=('US')].index, inplace=True)

我正在尝试删除'region'列下的所有行，该列包含不讲英语的国家的字符串值缩写。例如，删除不等于'US‘、'UK’、'AUS'等区域下的所有行。我尝试了括号内的& and或操作数，它们倾向于只选择并删除我放置在其中的一个字符串值。

附加问题：

'language'列包含大量的空值(我并不真正关心这一点)，但是有一些行包含用于英语的'en'。如果“region”碰巧是一个非英语国家，但是语言是英语的，那么如何防止这些行也被删除呢？

Answer 1

假设我正确地理解了您的问题，并且如果指定的条件仍然有效，您希望删除整行，那么您可以将它们写成掩码，如

cond1 = origin['region'].isin(['US', 'UK', 'AUS'])
cond2 = origin['language'] == 'en'

将它们与|组合起来(为了保持一行，至少需要其中一个条件为真)

result = origin[cond1 | cond2]

当然，如果您愿意这样做，也可以用一行编写：

result = origin[(origin['region'].isin(['US', 'UK', 'AUS'])) | (origin['language'] == 'en')]