根据file.txt大熊猫的模式匹配划分数据框架

Question

我有一个数据框架，如

query   subject col1
A   dog ok
B   cat okl
C   cat oklp
D   frog    ok
E   cat ok
F   fox ok

和一个file.txt，例如：

dog
cat 

其想法是只保留在file.txt中有一个模式的行。在这里我应该得到：

query   subject col1
A   dog ok
B   cat okl
C   cat oklp
E   cat ok

我试过：

file = open('file.txt').read()

df=[]
for row in tab['subject']:
 if row in file: 
   row.append(df)

但这似乎不是解决办法，谢谢你的帮助。

Answer 1

考虑到您的数据框架名为df，此答案还将file.txt读入数据帧和合并数据帧，从而得到类似于来自SQL的内部连接的预期结果解决方案：

>> df2 = pd.read_csv('file.txt', header= None, names=['subject'])
>> pd.merge(df, df2, on='subject')

    query   subject col1
0   A       dog     ok
1   B       cat     okl
2   C       cat     oklp
3   E       cat     ok

Answer 2

您可以使用df.loc[]获取满足条件的特定行，并使用isin()检查数据帧中的某些内容是否出现在给定的列表中。首先，列出文件中的条目：

vals = []  # placeholder for our file contents
with open('file.txt', 'r') as a_file:
    for line in a_file:
        vals.append(line)

接下来，选择subject列是从文件中读取的值之一的行。假设您的数据被称为df

new_df = df.loc[df.subject.isin(vals)]

附带注意:您几乎从来不想在数据文件上迭代。这是有例外的，但是通常情况下，如果您发现自己在数据访问(例如for row in df:)上迭代，您可以重写这段代码来利用Pandas中的向量化函数，这些函数的效率要高得多。