Python 数据帧 - 删除列值属于值列表的行

Question

我正在寻找以下问题的解决方案。 有一个数据帧：

data = np.array([['', 'col1', 'col2'],
['row1', 1, 2],
['row2', 3, 4]])
df = pd.DataFrame(data=data[1:,1:], index=data[1:,0],columns=data[0,1:])

我希望保留行，例如，列 col1 中的值属于列表 [1， 2]，而列 col2 中的值属于列表 [2， 4]。 这就是我认为可行的

df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]

但是，df1打印为空数据帧。 另一方面，这种方法

df1 = df[(df.col1 in [1,2]) & (df.col2 in [2,4])]

结果在

ValueError: The truth value of a Series is ambiguous. Use a.empty, `a.bool()`, `a.item()`, `a.any()` or `a.all()`.

它应该得到一个包含 row1 的数据帧。 不用说，我对Python比较陌生。非常感谢您的帮助。

Answer 1

您需要将数字序列转换为数字类型：

df = pd.DataFrame(data=data[1:,1:].astype(int),
index=data[1:,0],
columns=data[0,1:])
df1 = df[df['col1'].isin([1,2]) & df['col2'].isin([2,4])]
print(df1)
col1  col2
row1     1     2

您的代码不起作用，因为您的初始data数组属于object类型，表示指向任意类型的指针。Pandas 不会隐式应用转换，因为在大多数情况下，这将非常昂贵。

如果您已经有一个构造的 Pandas 数据帧，则可以将数字转换作为单独的步骤应用：

df = df.astype(int)

或者，要仅转换指定的系列：

cols = ['col1', 'col2']
df[cols] = df[cols].apply(pd.to_numeric, errors='coerce')

Answer 2

你的 colunm 类型是object，因为你使用np.array创建数据，np.array只允许每个数组中的单个dtype

df.applymap(type)
Out[139]: 
col1           col2
row1  <class 'str'>  <class 'str'>
row2  <class 'str'>  <class 'str'>

使用这种方式创建

df = pd.DataFrame(data=[[1,2],[3,4]], index=['row1','row2'],columns=['col1','col2'])
df[(df['col1'].isin([1,2])) & (df['col2'].isin([2,4]))]
Out[143]: 
col1  col2
row1     1     2