如何按多列过滤熊猫数据框

要按单列过滤数据帧（df），如果我们考虑男性和女性的数据，则可以：

males = df[df[Gender]=='Male']

问题1-但是，如果数据跨越多年并且我只想看2014年的男性，该怎么办？

在其他语言中，我可能会做类似的事情：

if A = "Male" and if B = "2014" then 

（除了我要执行此操作，并在新的数据框对象中获取原始数据框的子集）

问题2。如何循环执行此操作，并为每个唯一的年份和性别集创建一个数据框对象（例如，2013-男，2013-女，2014-男和2014-女的df

for y in year:

for g in gender:

df = .....

使用&运算符时，不要忘了用()：包裹子语句：

males = df[(df[Gender]=='Male') & (df[Year]==2014)]

要将数据帧存储在dictfor循环中：

from collections import defaultdict
dic={}
for g in ['male', 'female']:
  dic[g]=defaultdict(dict)
  for y in [2013, 2014]:
    dic[g][y]=df[(df[Gender]==g) & (df[Year]==y)] #store the DataFrames to a dict of dict

编辑：

您的演示getDF：

def getDF(dic, gender, year):
  return dic[gender][year]

print genDF(dic, 'male', 2014)

对于要用作过滤器且依赖于多个列的更通用的布尔函数，可以使用：

df = df[df[['col_1','col_2']].apply(lambda x: f(*x), axis=1)]

其中f是一个函数，该函数适用于col_1和col_2中的每对元素（x1，x2），并根据您要启用的任何条件（x1，x2）返回True或False。

从pandas 0.13开始，这是最有效的方法。

df.query('Gender=="Male" & Year=="2014" ')

如果有人想知道什么是更快的过滤方法（可接受的答案或来自@redreamality的答案）：

import pandas as pd
import numpy as np

length = 100_000
df = pd.DataFrame()
df['Year'] = np.random.randint(1950, 2019, size=length)
df['Gender'] = np.random.choice(['Male', 'Female'], length)

%timeit df.query('Gender=="Male" & Year=="2014" ')
%timeit df[(df['Gender']=='Male') & (df['Year']==2014)]

100,000行的结果：

6.67 ms ± 557 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
5.54 ms ± 536 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

10,000,000行的结果：

326 ms ± 6.52 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
472 ms ± 25.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

因此，结果取决于大小和数据。在我的笔记本电脑上，query()经过50万行之后速度会更快。此外，字符串搜索Year=="2014"有不必要的开销（Year==2014更快）。

您可以使用query中创建自己的过滤器功能pandas。在这里，您可以df按所有kwargs参数过滤结果。不要忘记添加一些验证器（kwargs过滤器）来获得自己的过滤器功能df。

def filter(df, **kwargs):
    query_list = []
    for key in kwargs.keys():
        query_list.append(f'{key}=="{kwargs[key]}"')
    query = ' & '.join(query_list)
    return df.query(query)

您可以使用np.logical_and运算符替换&（或np.logical_or替换|）以多列（多于两列）进行过滤

如果您提供多个字段的目标值，则这是完成此任务的示例函数。您可以将其调整为适用于不同类型的过滤或其他方式：

def filter_df(df, filter_values):
    """Filter df by matching targets for multiple columns.

    Args:
        df (pd.DataFrame): dataframe
        filter_values (None or dict): Dictionary of the form:
                `{<field>: <target_values_list>}`
            used to filter columns data.
    """
    import numpy as np
    if filter_values is None or not filter_values:
        return df
    return df[
        np.logical_and.reduce([
            df[column].isin(target_values) 
            for column, target_values in filter_values.items()
        ])
    ]

用法：

df = pd.DataFrame({'a': [1, 2, 3, 4], 'b': [1, 2, 3, 4]})

filter_df(df, {
    'a': [1, 2, 3],
    'b': [1, 2, 4]
})