Python：使用 Pandas 在 csv 中打印具有匹配列内容的行名称

Question

所以，我在 Python 中使用 pandas。我正在阅读看起来像这样的 csv：

imageName     color1     color2     color3     color4
img1          Red        Red        Red        Red
img2          Blue       Green      Red        Blue
img3          Yellow     Blue       Red        White
img4          Blue       Blue       Blue       Blue

如果颜色 1、颜色 2、颜色 3 和颜色 4 都相等，我想要的是打印行（按图像名称）。如果我在 SQL

SELECT: imageName 
FROM: rows 
WHERE: color1 == color2 == color3 == color4

会给我 img1 和 img4

我是 Pandas 的新手，一直在尝试找出语法，但我一直运行遇到问题。

我现在正在尝试的是：

if (df[(df['color1'] == df['color2'] == df['color3'] == df['color4']])]
    print df['imageName']

但我运行无论我尝试什么，都会出错。

我得到：

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

但我正在努力弄清楚在哪里使用它们。或者如果我什至以正确的方式去做。提前致谢！

Answer 1

这是一种方法，我试图找出一个矢量化方法，基本上你定义一个函数来获取你的行然后调用应用程序，传递函数名称和参数 axis=1 来应用行-明智的。 color_cols 只是您定义的颜色列名称的列表：color_cols = [col for col in df if 'color' in col]

In [21]:

def all_equal(x):
    return x['color1'] == x['color2'] == x['color3'] == x['color4']

df[color_cols].apply(all_equal, axis=1)
Out[21]:
0     True
1    False
2    False
3     True
dtype: bool
In [23]:

df[df[color_cols].apply(all_equal, axis=1)]['imageName']
Out[23]:
0    img1
3    img4
Name: imageName, dtype: object

更快的方法是定义一个掩码并使用按位运算符：

In [27]:
# mask tests if color 1 equals color 2 and color 3 equals color 4 and color 1 equals color 3 if this is true then all must be the same value
mask = (df['color1'] == df['color2']) & (df['color3'] == df['color4']) & (df1['color1'] == df['color3'])
mask
Out[27]:
0     True
1    False
2    False
3     True
dtype: bool
In [28]:

df[mask]['imageName']
Out[28]:
0    img1
3    img4
Name: imageName, dtype: object

计时

In [29]:

%timeit df.query("color1 == color2 == color3 == color4").imageName
100 loops, best of 3: 7.24 ms per loop
In [30]:

%timeit df[(df['color1'] == df['color2']) & (df['color3'] == df['color4']) & (df1['color1'] == df['color3'])].imageName

100 loops, best of 3: 3.22 ms per loop

还有一个方法调用eval:

In [39]:

%timeit df[df.eval("color1 == color2 & color3 == color4 & color1 == color3")].imageName
100 loops, best of 3: 7.53 ms per loop

In [40]:

%timeit df[df[color_cols].apply(all_equal, axis=1)].imageName
100 loops, best of 3: 2.55 ms per loop

掩码方法比此示例数据集的查询和评估方法快 2 倍以上。 apply 方法实际上是最快的方法，但它的扩展性不如其他方法，因为它本质上是在每一行上循环。

Answer 2

您可以使用 query: 类似的语法：

>>> df.query("color1 == color2 == color3 == color4")
  imageName color1 color2 color3 color4
0      img1    Red    Red    Red    Red
3      img4   Blue   Blue   Blue   Blue
>>> df.query("color1 == color2 == color3 == color4").imageName
0    img1
3    img4
Name: imageName, dtype: object

或者，您可以使用布尔系列进行索引：

>>> df[df.filter(like="color").apply(pd.Series.nunique, axis=1) == 1]
  imageName color1 color2 color3 color4
0      img1    Red    Red    Red    Red
3      img4   Blue   Blue   Blue   Blue

尽管这略有不同，因为 nunique 会忽略 NaN。

Python：使用 Pandas 在 csv 中打印具有匹配列内容的行名称

Python: Print row name in csv with matching column contents using Pandas

python

csv

pandas