使用具有多个元素的字典筛选数据帧

Question

我已经尝试了几个小时在这里找到答案，但我无法在我的特定情况下找到任何答案。我能找到的最接近的是：使用字典将多个字符串包含过滤器应用于熊猫数据帧

我有一个PD。包含以下列的交易价格数据帧：

df1 = database[['DealID',
'Price',
'Attribute A',
'Attribute B',
'Attribute C']]

属性分为以下几类：

filter_options = {
'Attribute A': ["A1","A2","A3","A4"],
'Attribute B': ["B1","B2","B3","B4"],
'Attribute C': ["C1","C2","C3"],
}

我想使用filter_options子集过滤 df1，每个键有多个值：

filter = {
'Attribute A': ["A1","A2"],
'Attribute B': ["B1"],
'Attribute C': ["C1","C3"],
}

当字典中每个键只有一个值时，以下内容工作正常。

df_filtered = df1.loc[(df1[list(filter)] == pd.Series(filter)).all(axis=1)]

但是，我是否能够使用每个键的多个值获得相同的结果？

谢谢！

Answer 1

我相信你需要更改变量filter因为python保留字，然后将list comprehension与布尔掩码一起使用isin和concat：

df1 = pd.DataFrame({'Attribute A':["A1","A2"],
'Attribute B':["B1","B2"],
'Attribute C':["C1","C2"],
'Price':[140,250]})
filt = {
'Attribute A': ["A1","A2"],
'Attribute B': ["B1"],
'Attribute C': ["C1","C3"],
}
print (df1[list(filt)])
Attribute A Attribute B Attribute C
0          A1          B1          C1
1          A2          B2          C2
mask = pd.concat([df1[k].isin(v) for k, v in filt.items()], axis=1).all(axis=1)
print (mask)
0     True
1    False
dtype: bool
df_filtered = df1[mask]
print (df_filtered)
Attribute A Attribute B Attribute C  Price
0          A1          B1          C1    140