如何在不迭代的情况下根据特定对从数据框中选择结果？

Question

我想根据某些特定对从数据帧中查询（或定位）子数据帧。使用迭代很容易做到这一点，但速度很慢。import pandas as pddf=pd.DataFrame([[1,2,3], [1,5,6], [7,8,9], [2,3,8]], columns=['x','y','z'])dfOut[4]:    x  y  z0  1  2  31  1  5  62  7  8  93  2  3  8我想得到一个子数据框，其中 (x,y)=(1,2) 和 (x,y)=(1,5) 和 (x,y)=(2,3)，如下所示Out[5]:    x  y  z0  1  2  31  1  5  63  2  3  8我的方法是使用迭代来获取索引：xy_list=[(1,2),(1,5),(2,3)]index_list=[]for x,y in xy_list:    index_list+=df.query('x==@x & y==@y').index.tolist()df_sub=df.loc[index_list]df_subOut[6]:    x  y  z0  1  2  31  1  5  63  2  3  8有没有什么方法可以在不使用迭代的情况下做到这一点？

Answer 1

你很接近，但你不需要query反复调用。只需使用构建您的查询字符串str.join并query在之后进行一次调用。

data = [(1, 2), (1, 5), (2, 3)]

pattern = '(' + ') | ('.join(f"x == {a} & y == {b}" for a, b in data) + ')'

pattern

# '(x == 1 & y == 2) | (x == 1 & y == 5) | (x == 2 & y == 3)'

df.query(pattern)

   x  y  z

0  1  2  3

1  1  5  6

3  2  3  8

另一种选择是使用Index.isin和一些过滤：

df[df.set_index(['x', 'y']).index.isin(data)]

   x  y  z

0  1  2  3

1  1  5  6

3  2  3  8

或者，使用MultiIndex.from_arrays以下方法构建 MultiIndex ：

df[pd.MultiIndex.from_arrays([df['x'], df['y']]).isin(data)]

   x  y  z

0  1  2  3

1  1  5  6

3  2  3  8

结果相同，效率更高。

Answer 2

或者你可以做一个df.set_index()and df.loc[]：

xy_list=[(1,2),(1,5),(2,3)]

df_new=df.set_index(['x','y']).loc[xy_list].reset_index()

   x  y  z

0  1  2  3

1  1  5  6

2  2  3  8