大熊貓根據病情刪除數據框中行

考慮以下代碼：大熊貓根據病情刪除數據框中行

from StringIO import StringIO 
import pandas as pd 

txt = """a, RR 
10, 1asas 
20, 1asasas 
30, 
40, asas 
50, ayty 
60, 2asas 
80, 3asas""" 
frame = pd.read_csv(StringIO(txt), skipinitialspace=True) 

print frame,"\n\n\n" 

l=[] 
for i,j in frame[~ frame['RR'].str.startswith("1", na=True)]['RR'].iteritems(): 
    if j.startswith(('2','3')): 
     if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j[1:], as_indexer = True).any(): 
      l.append(i) 
    else: 
     if frame[frame['RR'].str.startswith("1", na=False)]['RR'].str.match("1"+j, as_indexer = True).any(): 
      l.append(i) 
frame = frame.drop(frame.index[l]) 
print frame

我在這裏是做什麼的，

1）通過dataframes循環刪除其已經在數據幀

1RR任何 RR

2）如果RR在啓動時有2 or 3，則在數據幀中如果RR的值爲1RR[1:]則丟棄。

3）如果RR開頭1或是NaN請勿觸摸它。

該代碼工作正常，但這dataframe將有多達100萬條目，我不認爲這個代碼是最佳。因爲我剛剛開始與pandas我有限的知識。有沒有什麼辦法可以做到這一點，沒有iteration。pandas有什麼內置的工具可以做到這一點？

來源

2016-10-14 vks

你說的'1RR'是什麼意思？ – IanS

@IanS字符串'1' +'RR'就像我們在這裏'asas'和'1asas'那樣''asas'將會被丟棄 – vks

我沒有時間給一個完全成熟的答案，但是這個代碼可以指向正確的方向：'series1 = frame.loc [frame ['RR']。str.startswith（「1」，na = False），'RR']; frame.loc [（frame ['RR']。str.startswith（「2」））| （frame ['RR']。str.startswith（「3」）），'RR']。str.slice（1）.isin（series1.str.slice（1））'（處理您的第二個條件）。 – IanS

首先，保留所有字符串開頭1或nan：

keep = frame['RR'].str.startswith("1", na=True) 
keep1 = keep[keep] # will be used at the end

二，保持琴絃與2或3不在第一數據幀rr1開始：

rr1 = frame.loc[frame['RR'].str.startswith("1", na=False), 'RR'] 
keep2 = ~frame.loc[ 
      (frame['RR'].str.startswith("2")) | (frame['RR'].str.startswith("3")), 'RR' 
     ].str.slice(1).isin(rr1.str.slice(1))

第三，k EEP其他字符串不在rr1加入後領先1：

import numpy as np 
keep3 = ~("1" + frame.loc[ 
      ~frame['RR'].str.slice(0,1).isin([np.nan, "1", "2", "3"]), 'RR' 
     ]).isin(rr1)

最後，把一切融合在一起：

frame[pd.concat([keep1, keep2, keep3]).sort_index()]

來源

2016-10-14 14:45:10 IanS

我們可以有兩種方法......你可以使用另一種方法，或者我們可以使用另一種方法從現有框架中「拖放」行。這兩種方法中的哪一種會很好？ – vks

我不認爲兩者有任何實際區別。 – IanS

大熊貓根據病情刪除數據框中行

回答

相關問題