如何匹配整个数据框中的元素和 return 特定匹配元素的整行或索引？

Question

此数据框中的每一行代表一个订单，executionStatus.x 包含有关订单状态的一些信息。

那些 executionStatus.x 列是由 flatten_json 自动创建的 amirziai，取决于有多少参数。因此，如果一个订单有 3 个状态，如第 0 行，则最多为 executionStatus.2。由于第 1 行和第 2 行只有一个状态，因此它只有 executionStatus.0 中的值。

我的问题是我无法匹配 "ORDER_FULFILLED"，因为我不知道会有多少个 executionStatuses，我需要像 df[df['executionStatus.0'] 这样写出准确的列名.str.match('ORDER_FULFILLED')].

         executionStatus.0 executionStatus.1 executionStatus.2  \
0  REQUESTED_AMOUNT_ROUNDED              MEOW   ORDER_FULFILLED   
1           ORDER_FULFILLED               NaN               NaN   
2     NOT_AN_INFUNDING_LOAN               NaN               NaN   

   investedAmount  loanId  requestedAmount  OrderInstructId  
0            50.0   22222             55.0            55555  
1            25.0   33333             25.0            55555  
2             0.0   44444             25.0            55555

有没有办法在整个数据框中获取与 "ORDER_FULFILLED" 元素匹配的整行或索引？

理想情况下，匹配的数据框应如下所示，因为第 0 行和第 1 行在 executionStatuses 中有 ORDER_FULFILLED 而第 3 行没有，因此应将其排除。谢谢！

investedAmount  loanId  requestedAmount  OrderInstructId  
0            50.0   22222             55.0            55555  
1            25.0   33333             25.0            55555

Answer 1

使用 df.filter() 获取包含带有布尔掩码的 executionStatus 的相似列：

df[df.filter(like='executionStatus').eq('ORDER_FULFILLED').any(axis=1)]

          executionStatus.0 executionStatus.1 executionStatus.2  \
0  REQUESTED_AMOUNT_ROUNDED              MEOW   ORDER_FULFILLED   
1           ORDER_FULFILLED               NaN               NaN   

   investedAmount  loanId  requestedAmount  OrderInstructId  
0              50   22222               55            55555  
1              25   33333               25            55555

如果要从输出中删除 execution 列，请使用：

df.loc[df.filter(like='executionStatus').eq('ORDER_FULFILLED').any(axis=1),\
           df.columns.difference(df.filter(like='executionStatus').columns)

如何匹配整个数据框中的元素和 return 特定匹配元素的整行或索引？

How do you match an element in the entire dataframe and return the entire row or index of that particular matched element?

python

pandas

sklearn-pandas