我刚刚试着在这里回答另一个问题,然后遇到了一个使用pd.drop
过滤数据帧的问题。下面是我举的例子:
import pandas as pd
import langdetect
df = pd.DataFrame({'Sentence':['es muy bueno','run, Forest! Run!','Ήξερα ότι θα εξετάζατε τον Μεταφραστή Google', 'This is Certainly en']})
df['Language'] = df['Sentence'].apply(lambda x: langdetect.detect(x))
# output
Sentence Language
0 es muy bueno es
1 run, Forest! Run! ro
2 Ήξερα ότι θα εξετάζατε τον Μεταφραστή Google el
3 This is Certainly en en
现在我想删除语言不是en
的所有行。使用df.drop(df['Language'] != 'en')
时,它意外返回:
Sentence Language
2 Ήξερα ότι θα εξετάζατε τον Μεταφραστή Google el
3 This is Certainly en en
但是,当我使用布尔索引时,它会返回:
df['Language'] != 'en'
# output
0 True
1 True
2 True
3 False
Name: Language, dtype: bool
现在,我可以用df.loc[df['Language'] == 'en']
来解决这个问题。但我想知道为什么drop
会这样,或者我做错了什么?你知道吗
Pandasdrop采用索引或列标签
当你将以下内容传递给测向下降在默认轴(即0)上,其删除行0和1-对应于False(0)和True(1)
虽然可以用测向下降在@Wen的回答中,最惯用的方法是使用布尔索引或测向查询你知道吗
^{} 需要
index
或column
标签相关问题 更多 >
编程相关推荐