python pandas？
pandasにデータフレームdfがあり、pandas.read_table csvファイルから。データフレームには複数の列があり、いずれかの列によってインデックスが付けられます（各行には、インデックス作成に使用されるその列の一意の値があるため、一意です）。
複数の列に適用された「複雑な」フィルターに基づいて、データフレームの行を選択するにはどうすればよいですか？たとえば、列colAが10より大きいデータフレームのスライスを簡単に選択できます。
df_greater_than10 = df[df["colA"] > 10]
しかし、次のようなフィルターが必要な場合はどうでしょう。dfのスライスを選択します。ここで、列のanyは10より大きいですか？
または、colAの値は10より大きいが、colBの値は5未満ですか？
これらはパンダにどのように実装されていますか？ありがとう。
メーリングリスト にこれらの質問を投稿することをお勧めしますが、いずれにしても、基になるNumPy配列を操作するのは非常に低レベルの問題です。たとえば、この例では、任意の列の値がたとえば1.5を超える行を選択するには、次のようにします。
In [11]: df
Out[11]:
A B C D
2000-01-03 -0.59885 -0.18141 -0.68828 -0.77572
2000-01-04 0.83935 0.15993 0.95911 -1.12959
2000-01-05 2.80215 -0.10858 -1.62114 -0.20170
2000-01-06 0.71670 -0.26707 1.36029 1.74254
2000-01-07 -0.45749 0.22750 0.46291 -0.58431
2000-01-10 -0.78702 0.44006 -0.36881 -0.13884
2000-01-11 0.79577 -0.09198 0.14119 0.02668
2000-01-12 -0.32297 0.62332 1.93595 0.78024
2000-01-13 1.74683 -1.57738 -0.02134 0.11596
2000-01-14 -0.55613 0.92145 -0.22832 1.56631
2000-01-17 -0.55233 -0.28859 -1.18190 -0.80723
2000-01-18 0.73274 0.24387 0.88146 -0.94490
2000-01-19 0.56644 -0.49321 1.17584 -0.17585
2000-01-20 1.56441 0.62331 -0.26904 0.11952
2000-01-21 0.61834 0.17463 -1.62439 0.99103
2000-01-24 0.86378 -0.68111 -0.15788 -0.16670
2000-01-25 -1.12230 -0.16128 1.20401 1.08945
2000-01-26 -0.63115 0.76077 -0.92795 -2.17118
2000-01-27 1.37620 -1.10618 -0.37411 0.73780
2000-01-28 -1.40276 1.98372 1.47096 -1.38043
2000-01-31 0.54769 0.44100 -0.52775 0.84497
2000-02-01 0.12443 0.32880 -0.71361 1.31778
2000-02-02 -0.28986 -0.63931 0.88333 -2.58943
2000-02-03 0.54408 1.17928 -0.26795 -0.51681
2000-02-04 -0.07068 -1.29168 -0.59877 -1.45639
2000-02-07 -0.65483 -0.29584 -0.02722 0.31270
2000-02-08 -0.18529 -0.18701 -0.59132 -1.15239
2000-02-09 -2.28496 0.36352 1.11596 0.02293
2000-02-10 0.51054 0.97249 1.74501 0.20525
2000-02-11 0.10100 0.27722 0.65843 1.73591
In [12]: df[(df.values > 1.5).any(1)]
Out[12]:
A B C D
2000-01-05 2.8021 -0.1086 -1.62114 -0.2017
2000-01-06 0.7167 -0.2671 1.36029 1.7425
2000-01-12 -0.3230 0.6233 1.93595 0.7802
2000-01-13 1.7468 -1.5774 -0.02134 0.1160
2000-01-14 -0.5561 0.9215 -0.22832 1.5663
2000-01-20 1.5644 0.6233 -0.26904 0.1195
2000-01-28 -1.4028 1.9837 1.47096 -1.3804
2000-02-10 0.5105 0.9725 1.74501 0.2052
2000-02-11 0.1010 0.2772 0.65843 1.7359
&または|（および括弧！）を使用して、複数の条件を組み合わせる必要があります。
In [13]: df[(df['A'] > 1) | (df['B'] < -1)]
Out[13]:
A B C D
2000-01-05 2.80215 -0.1086 -1.62114 -0.2017
2000-01-13 1.74683 -1.5774 -0.02134 0.1160
2000-01-20 1.56441 0.6233 -0.26904 0.1195
2000-01-27 1.37620 -1.1062 -0.37411 0.7378
2000-02-04 -0.07068 -1.2917 -0.59877 -1.4564
私はこれらの種類のものをより簡単にするためにある種のクエリAPIを持っていることに非常に興味があります
Pandasでこの構文を短縮する方法は少なくともいくつかあります。これは、完全なクエリAPIを入手するまでです（おそらく、githubプロジェクトに参加してこれを実行しようとしますが、これは時間の許す限りであり、他の誰も持っていない場合）開始しました）。
構文を少し短くする1つの方法を以下に示します。
inds = df.apply(lambda x: x["A"]>10 and x["B"]<5, axis=1)
print df[inds].to_string()
これを完全に解決するには、SQLのselectやwhere句などをPandasに構築する必要があります。これはささいなことではありませんが、Python operator組み込みモジュールを使用することでうまくいくと思います。これにより、シンボルの代わりに関数として-したがって、次のようにすることができます。
def pandas_select(dataframe, select_dict):
inds = dataframe.apply(lambda x: reduce(lambda v1,v2: v1 and v2,
[elem[0](x[key], elem[1])
for key,elem in select_dict.iteritems()]), axis=1)
return dataframe[inds]
次に、あなたのようなテスト例は次のことです：
import operator
select_dict = {
"A":(operator.gt,10),
"B":(operator.lt,5)
}
print pandas_select(df, select_dict).to_string()
pandas_selectの引数を増やして、さまざまな一般的な論理演算子を自動的に処理するか、短い名前で名前空間にインポートすることで、構文をさらに短縮できます。
上記のpandas_select関数は、制約の論理ANDチェーンでのみ機能することに注意してください。別の論理的な動作を得るには、それを変更する必要があります。または、notとDeMorganの法則を使用します。
Pandasにクエリ機能が追加されました。これは、この質問が尋ねられて回答されたためです。以下に例を示します。
このサンプルデータフレームを考えると：
periods = 8
dates = pd.date_range('20170101', periods=periods)
Rand_df = pd.DataFrame(np.random.randn(periods,4), index=dates,
columns=list('ABCD'))
次のクエリ構文では、selectステートメントの "WHERE"句のように、複数のフィルターを使用できます。
Rand_df.query("A < 0 or B < 0")
詳細は Pandasのドキュメント を参照してください。