Pandas将过滤后的行附加到另一个DataFrame

Question

我有两个 pandas 数据框，分别叫做 df 和 df_min。我对 df 进行了过滤，结果只得到了一个数据行，我想把这一行添加到 df_min 中。我尝试用循环遍历 df，还尝试用 loc 来把这一行加到 df_min 里。但是我总是遇到一个错误，提示 Incompatible indexer with DataFrame，这说明我在使用 loc 的时候可能有问题。那么，有什么好的方法可以实现我想做的事情呢？

i = 0
for elem in vehicles:
    for state in limit_states:
        a = df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
        df_min.loc[i] = a[(a.RF == np.min(a.RF))].head(1) #results in a single row
        i = i + 1

补充：我还尝试了其他方法来代替 loc，但还是遇到了同样的错误：

df_min.ix[i] = a[(a.RF == np.min(a.RF))].head(1)

补充 2：我尝试了另外一种方法，这次出现了一个错误，提示“第一个参数必须是类似列表的 pandas 对象，但你传入的是一个类型为 'DataFrame' 的对象”。

for elem in vehicles:
    for state in limit_states:
        a = df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
        df_min = pd.concat(a[(a.RF == np.min(a.RF))].head(1))

Answer 1

可能像这样会对你有帮助：

df_min = pd.concat([ df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
                     for elem in vehicles for state in limit_states ])

编辑：

xs = [ df[(df.VEHICLE == elem) & (df.LIMIT_STATE == state)]
                     for elem in vehicles for state in limit_states ]
df_min = pd.concat([ a[(a.RF == np.min(a.RF))].head(1) for a in xs ])

根据列表 vehicles 和 limit_states，你可能也可以通过使用 groupby 来实现你想要的效果；像这样：

fn = lambda a: a[(a.RF == np.min(a.RF))].head(1)
df.groupby( ['VEHICLE', 'LIMIT_STATE'] ).apply( fn )