熊猫数据“全真实”标准

Question

Python 2.7，Pandas 0.18。

我有一个DataFrame，还有一些方法可以通过一个条件参数来选择行的子集。我想知道一种更惯用的方法来编写与所有行匹配的条件。

下面是一个非常简单的例子：

import pandas as pd

def apply_to_matching(df,criterion):
   df.loc[criterion,'A'] = df[criterion]['A']*df[criterion]['B']

df = pd.DataFrame({'A':[1,2,3,4],'B':[10,100,1000,10000]})

criterion = (df['A']<3)
result = apply_to_matching(df,criterion)
print df

产出如下：

     A      B
0   10     10
1  200    100
2    3   1000
3    4  10000

因为该标准只适用于前两行。

我想知道创建选择DataFrame所有行的标准的惯用方法。

这可以通过向DataFrame中添加所有真值的列来实现：

# Add a column
df['AllTrue']=True
criterion = df['AllTrue']
result = apply_to_matching(df,criterion)
print df.drop('AllTrue',axis=1)

产出如下：

       A      B
0     10     10
1    200    100
2   3000   1000
3  40000  10000

但是这种方法在我的DataFrame中增加了一列，我必须稍后过滤掉它，这样才不会在输出中得到它。

那么，在Pandas中有没有一种更地道的方法来做到这一点呢？它不要求我知道任何关于列名的信息，也不需要更改DataFrame？

Answer 1

当一切都应该是真时，布尔索引方法将需要一系列的True。使用上面的代码，另一种看待它的方法是，criterion参数也可以接收切片。获取所有行将意味着像这个df.loc[:, 'A']那样对整个行进行切片。当您需要将它作为参数传递给apply_to_matching函数时，请使用slice内置：

apply_to_matching(df, slice(None, None))