基于布尔条件对 Pandas 数据帧进行子集化 - 为什么顺序不重要？
Subsetting Pandas dataframe based on Boolean condition - why doesn't order matter?
我的问题是 Python pandas。假设我们有 pandas 数据框 df，其中包含两列“A”和“B”。我子集到 select 列“B”的所有值，其中列“A”的条目等于“值”。为什么以下命令的顺序无关紧要？
df[df["A"]=="value"]["B"]
Returns同代码
df["B"][df["A"]=="value"]
您能解释一下为什么它们的工作原理相同吗？谢谢
第一种形式select行后列比第二种select列后行
您可以 select 行和列同时 loc:
df.loc[df['A'] == 'value', 'B']
代码的 df["A"]=="value" 部分 returns a pandas 包含符合条件的布尔值的系列 ("A" == "value" ).
通过在您的 DataFrame returns 上放置一个系列掩码（基本上是一个过滤器），一个 DataFrame 仅包含您在 Series 掩码中具有 True 的行上的值。
因此，在您的第一个代码（ df[df["A"]=="value"]["B"] ）中，您在 DataFrame 上应用特定掩码，仅获取列“A”相等的行到“价值”，然后你从你的DataFrame中提取“B”列。
在你的第二个代码中，你首先选择列“B”，然后你只选择初始 DataFrame 中列“A”==“value”的行。
希望这对您有所帮助！
假设您有两张 sheet 的 standard-sized 纵向打印纸。您想要一个非常特殊的矩形，其 top-left 角位于 sheet 纸的正中心，宽度为 1 厘米，高度为 3 厘米。
第一种方式：
第 1 步：对于第一个 sheet，您用一把剪刀做了两个垂直切口，一个恰好在中间，一个在中间右侧一厘米处。您丢弃左右两块，只保留 1 厘米宽的条带。这在概念上类似于对数据帧执行 df["B"] 以仅 select 列为 B.
的系列
第 2 步：然后用剪刀横向剪两刀，一条正好在中间，一条在第一次剪下三厘米处。你丢弃顶部和底部的部分，只保留 3 厘米高（和 1 厘米宽）的矩形。这在概念上类似于从系列 df["B"] 开始（我们称这个系列为 X），然后执行 X[df["A"]=="value"] 以获得 X 中满足逻辑条件 df["A"]=="value".
第二种方式：
第 1 步：对于第二个 sheet，您用一把剪刀横向剪了两刀，一个正好在中间，一个在中间下方三厘米处。你丢弃顶部和底部的部分，只保留 3 厘米高的条带。这在概念上类似于对数据帧执行 df[df["A"]=="value"] 以仅 select 满足逻辑条件 df["A"]=="value".
的行
第 2 步：然后用剪刀垂直剪两刀，一个正好在中间，一个在第一个剪刀右侧一厘米处。您丢弃左右两块，只保留 1 厘米宽（和 3 厘米高）的矩形。这在概念上类似于从 DateFrame df[df["A"]=="value"] 开始（我们称此数据框为 Y），然后执行 Y["B"] 以获取 Y.[=24 中的列“B” =]
观察：
上面的思想实验表明，无论我们先垂直然后水平切割纸张，还是先水平切割然后垂直切割，在任何一种情况下，我们最终都会从完全相同的位置（水平和垂直）得到相同的矩形结果。
结论：
理解问题答案所需的直觉几乎完全类似于使用纸张的更具体的例子。一个细微的差别是 df[df["A"]=="value"] 编辑的 select 行可能不连续，因此它们不是类似于 3 厘米高的纸片，而是类似于多个平行的水平条带（即，多个连续行组）。
我的问题是 Python pandas。假设我们有 pandas 数据框 df，其中包含两列“A”和“B”。我子集到 select 列“B”的所有值，其中列“A”的条目等于“值”。为什么以下命令的顺序无关紧要？
df[df["A"]=="value"]["B"]
Returns同代码
df["B"][df["A"]=="value"]
您能解释一下为什么它们的工作原理相同吗？谢谢
第一种形式select行后列比第二种select列后行
您可以 select 行和列同时 loc:
df.loc[df['A'] == 'value', 'B']
代码的 df["A"]=="value" 部分 returns a pandas 包含符合条件的布尔值的系列 ("A" == "value" ). 通过在您的 DataFrame returns 上放置一个系列掩码（基本上是一个过滤器），一个 DataFrame 仅包含您在 Series 掩码中具有 True 的行上的值。 因此，在您的第一个代码（ df[df["A"]=="value"]["B"] ）中，您在 DataFrame 上应用特定掩码，仅获取列“A”相等的行到“价值”，然后你从你的DataFrame中提取“B”列。 在你的第二个代码中，你首先选择列“B”，然后你只选择初始 DataFrame 中列“A”==“value”的行。 希望这对您有所帮助！
假设您有两张 sheet 的 standard-sized 纵向打印纸。您想要一个非常特殊的矩形，其 top-left 角位于 sheet 纸的正中心，宽度为 1 厘米，高度为 3 厘米。
第一种方式：
第 1 步：对于第一个 sheet，您用一把剪刀做了两个垂直切口，一个恰好在中间，一个在中间右侧一厘米处。您丢弃左右两块，只保留 1 厘米宽的条带。这在概念上类似于对数据帧执行 df["B"] 以仅 select 列为 B.
第 2 步：然后用剪刀横向剪两刀，一条正好在中间，一条在第一次剪下三厘米处。你丢弃顶部和底部的部分，只保留 3 厘米高（和 1 厘米宽）的矩形。这在概念上类似于从系列 df["B"] 开始（我们称这个系列为 X），然后执行 X[df["A"]=="value"] 以获得 X 中满足逻辑条件 df["A"]=="value".
第二种方式：
第 1 步：对于第二个 sheet，您用一把剪刀横向剪了两刀，一个正好在中间，一个在中间下方三厘米处。你丢弃顶部和底部的部分，只保留 3 厘米高的条带。这在概念上类似于对数据帧执行 df[df["A"]=="value"] 以仅 select 满足逻辑条件 df["A"]=="value".
第 2 步：然后用剪刀垂直剪两刀，一个正好在中间，一个在第一个剪刀右侧一厘米处。您丢弃左右两块，只保留 1 厘米宽（和 3 厘米高）的矩形。这在概念上类似于从 DateFrame df[df["A"]=="value"] 开始（我们称此数据框为 Y），然后执行 Y["B"] 以获取 Y.[=24 中的列“B” =]
观察： 上面的思想实验表明，无论我们先垂直然后水平切割纸张，还是先水平切割然后垂直切割，在任何一种情况下，我们最终都会从完全相同的位置（水平和垂直）得到相同的矩形结果。
结论：
理解问题答案所需的直觉几乎完全类似于使用纸张的更具体的例子。一个细微的差别是 df[df["A"]=="value"] 编辑的 select 行可能不连续，因此它们不是类似于 3 厘米高的纸片，而是类似于多个平行的水平条带（即，多个连续行组）。