如何根据多个列中的单个值从多索引中进行选择？

Question

我有这样一个数据帧：

import pandas as pd

df = pd.DataFrame({
    'ind1': list('AAABBBCCC'),
    'ind2': list(map(int, list('123123123'))),
    'val1': [0, 0, 0, -1, -4, 5, 10, 11, 4],
    'val2': [0.1, 0.2, -0.2, 0.1, 0.2, 0.2, -0.1, 2, 0.1]
})

df = df.set_index(['ind1', 'ind2'])

结果数据：

           val1  val2
ind1 ind2            
A    1        0   0.1
     2        0   0.2
     3        0  -0.2
B    1       -1   0.1
     2       -4   0.2
     3        5   0.2
C    1       10  -0.1
     2       11   2.0
     3        4   0.1

我要选择以下所有条目：

1. val1中至少有一项不相等0
2. val2中的每个绝对值都是< 0.5

因此，在上述示例中

B    1       -1   0.1
     2       -4   0.2
     3        5   0.2

应该留下来

我不能使用sum()，因为值可以是正的也可以是负的

df.reset_index().groupby('ind1').sum()

      ind2  val1  val2
ind1                  
A        6     0   0.1
B        6     0   0.5
C        6    25   2.0

不起作用

在这里如何使用any()和all()

Answer 1

这对我很有效，类似于温的解决方案：

mask = df.abs().groupby(level=0).transform('max')
df[mask.val1.gt(0)&mask.val2.lt(0.5)]

输出：

           val1  val2
ind1 ind2            
B    1       -1   0.1
     2       -4   0.2
     3        5   0.2

Answer 2

一种方法是通过groupby().filter()（link to docs）对每个组（相对于每个数据帧行）计算布尔条件：

df.groupby('ind1').filter(lambda x: x['val1'].any() & 
                                   (x['val2'].abs() < 0.5).all())

           val1  val2
ind1 ind2            
B    1       -1   0.1
     2       -4   0.2
     3        5   0.2

请注意，DataFrame.groupby.filter()与同名方法DataFrame.filter()无关

Answer 3

没有lambda by transform

s1=df.val1.ne(0).groupby(level=0).transform('any')
s2=df.val2.abs().lt(0.5).groupby(level=0).transform('all')
df[s1&s2]
Out[583]: 
           val1  val2
ind1 ind2            
B    1       -1   0.1
     2       -4   0.2
     3        5   0.2