我有一个熊猫数据框，其中有三列，即A（日期），B（分类值）和C（实际值）。
A | B | C
01-19 | 5 | 0.34
01-19 | 3 | 0.25
01-19 | 7 | 0.07
01-20 | 5 | 0.15
01-20 | 2 | 0.36
等等。
我想要的是根据日期和特定阈值来过滤行-类似于：
[(01-19, x<6), (01-20, x<3)]
在那种情况下会给我
A | B | C
01-19 | 5 | 0.34
01-19 | 3 | 0.25
01-20 | 2 | 0.36
我的解决方案是使用A和B设置多索引，但是我不完全确定如何过滤B。
想法是为A列的所有值创建阈值字典，然后创建Series.map新的Series，因此可以按B列比较并按以下条件过滤boolean indexing：
d = {'01-19': 6, '01-20' : 3}
df = df[df['B'] < df['A'].map(d)]
print (df)
A B C
0 01-19 5 0.34
1 01-19 3 0.25
4 01-20 2 0.36
详细说明：
print (df['A'].map(d))
0 6
1 6
2 6
3 3
4 3
Name: A, dtype: int64
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句