我有一个数据 df 在使用 pandas.read_table 从 csv 文件构建的熊猫中。数据框有几列，它由其中一列索引（这是唯一的，因为每一行都有一个用于索引的列的唯一值。）
如何根据应用于多列的“复杂”过滤器选择数据框的行？我可以轻松地选择列 colA 大于 10 的数据帧切片，例如：
极客观点
项目管理
HarmonyOS
df_greater_than10 = df[df["colA"] > 10]
但是，如果我想要一个像这样的过滤器怎么办：选择 df 的切片，其中 任何 列都大于 10？
或者 colA 的值大于 10 但 colB 的值小于 5？
这些在熊猫中是如何实现的？谢谢。
原文由 user248237 发布，翻译遵循 CC BY-SA 4.0 许可协议
至少有几种方法可以缩短 Pandas 中的语法，直到它获得完整的查询 API（也许我会尝试加入 github 项目并在时间允许的情况下这样做，如果没有其他人已经拥有开始）。
下面给出了一种稍微缩短语法的方法：
python inds = df.apply(lambda x: x["A"]>10 and x["B"]<5, axis=1)
print df[inds].to_string()
为了完全解决这个问题，需要在 Pandas 中构建类似 SQL select 和 where 子句的东西。这一点都不简单，但我认为可能对此有用的一个尝试是使用 Python operator 内置模块。这使您可以将大于之类的东西视为函数而不是符号。所以你可以做以下事情：
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]
那么像您这样的测试示例将执行以下操作：
import operator
select_dict = {
"A":(operator.gt,10),
"B":(operator.lt,5)
}
print pandas_select(df, select_dict).to_string()
您可以进一步缩短语法，方法是在 pandas_select 中构建更多参数以自动处理不同的通用逻辑运算符，或者将它们导入名称更短的名称空间。
请注意，上面的 pandas_select 函数仅适用于逻辑与约束链。您必须修改它以获得不同的逻辑行为。或者使用 not 和德摩根定律。
原文由 ely 发布，翻译遵循 CC BY-SA 3.0 许可协议
2 回答5.2k 阅读✓ 已解决
2 回答1.1k 阅读✓ 已解决
4 回答1.4k 阅读✓ 已解决
3 回答1.3k 阅读✓ 已解决
3 回答1.2k 阅读✓ 已解决
2 回答852 阅读✓ 已解决
1 回答1.7k 阅读✓ 已解决
我鼓励您在 邮件列表 中提出这些问题，但无论如何，使用底层 NumPy 数组仍然是非常低级的事情。例如，要选择任何列中的值超过 1.5 的行，在此示例中：
必须使用
&或|组合多个条件（和括号！）：我很想拥有某种查询 API 来简化这些事情