我想按每行的函数筛选行，例如：
def f(row):
return sin(row['velocity'])/np.prod(['masses']) > 5
df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, f)]
或者以另一个更复杂、牵强的例子为例，
def g(row):
if row['col1'].method1() == 1:
val = row['col1'].method2() / row['col1'].method3(row['col3'], row['col4'])
else:
val = row['col2'].method5(row['col6'])
return np.sin(val)
df = pandas.DataFrame(...)
filtered = df[apply_to_all_rows(df, g)]
我该如何做到这一点？
您可以使用 DataFrame.apply 实现此功能，它沿着给定的轴应用一个函数。
In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])
In [4]: df
Out[4]:
a b c
0 -0.001968 -1.877945 -1.515674
1 -0.540628 0.793913 -0.983315
2 -1.313574 1.946410 0.826350
3 0.015763 -0.267860 -2.228350
4 0.563111 1.195459 0.343168
In [6]: df[df.apply(lambda x: x['b'] > x['c'], axis=1)]
Out[6]:
a b c
1 -0.540628 0.793913 -0.983315
2 -1.313574 1.946410 0.826350
3 0.015763 -0.267860 -2.228350
4 0.563111 1.195459 0.343168
假设我有以下的DataFrame：
In [39]: df
Out[39]:
mass1 mass2 velocity
0 1.461711 -0.404452 0.722502
1 -2.169377 1.131037 0.232047
2 0.009450 -0.868753 0.598470
3 0.602463 0.299249 0.474564
4 -0.675339 -0.816702 0.799289
我可以使用sin和DataFrame.prod创建一个布尔蒙版：
In [40]: mask = (np.sin(df.velocity) / df.ix[:, 0:2].prod(axis=1)) > 0
In [41]: mask
Out[41]:
0 False
1 False
2 False
3 True
4 True
然后使用掩码从数据框中进行选择：
In [42]: df[mask]
Out[42]:
mass1 mass2 velocity
3 0.602463 0.299249 0.474564
4 -0.675339 -0.816702 0.799289
np.sin自动广播到所有元素。如果我用一个只能一次处理一个输入的不太智能的函数来替换它会怎样？ - duckworthd我发现最好的方法是，在应用过滤器之前，检查df的大小是否大于0，而不是使用reduce=True来避免空df的错误（因为这个参数已经被弃用了）：
def my_filter(row):
if row.columnA == something:
return True
return False
if len(df.index) > 0:
df[df.apply(my_filter, axis=1)]
指定reduce=True可以处理空数据框。
import pandas as pd
t = pd.DataFrame(columns=['a', 'b'])
t[t.apply(lambda x: x['a'] > 1, axis=1, reduce=True)]
df = pandas.DataFrame(columns=['a', 'b', 'c'])
df[df.apply(lambda x: x['b'] > x['c'], axis=1)]
输出：
ValueError: Must pass DataFrame with boolean values only
您可以使用 loc 属性来切片您的数据框。
根据 文档,
loc 可以接受一个 可调用函数 作为参数。
In [3]: df = pandas.DataFrame(np.random.randn(5, 3), columns=['a', 'b', 'c'])
In [4]: df
Out[4]:
a b c
0 -0.001968 -1.877945 -1.515674
1 -0.540628 0.793913 -0.983315
2 -1.313574 1.946410 0.826350
3 0.015763 -0.267860 -2.228350
4 0.563111 1.195459 0.343168
# define lambda function
In [5]: myfilter = lambda x: x['b'] > x['c']
# use my lambda in loc
In [6]: df1 = df.loc[myfilter ]
如果你想将你的过滤函数myfilter与其他过滤条件结合起来
df1 = df.loc[myfilter ].loc[(df.b >= 0.5)]
df1 = df.loc[myfilter]而不是df1 = df.loc[fif]。 - Olsgaard
apply，普通的布尔索引就可以正常工作。df[df['b'] > df['c']]。实际上很少有需要使用apply的情况，即使是在axis=1的情况下也很少需要它。 - Ted Petrou