规范目的:
根据来自主数据帧(df)的长度可变的输入(test-tuple¶ms),生成一个过滤后的数据帧(filtered_-df)。可能有数百种过滤器组合。在
发帖原因:
我想说的是,这里的一切都是为了达到预期的产量。也就是说,我不喜欢解决方案1的实现方法,即在dict中创建一个虚拟的DataFrame对象,循环会依次过滤和更新它。解决方案1似乎有点混乱,但我需要一些指导来实现更简洁的方法。在
请求:
有没有办法像解决方案2那样使用过滤器?在
筛选器的格式正确,但它是字符串。是否有一种方法可以生产过滤器,以便按图示使用?在
输入示例:
test_tuple = [('Serial Number', [12345]),
('Test Points', ['TestpointA', 'TestpointC']),
('Voltage_1', [3.0, 3.3, 3.6, 0.0]),
('Temperature Setpoint', [0, 60]),
('Slew_1', [200, 400, 800, 1600, 3200, 6400])]
params = ['sn', 'tp', 'v1', 'temp', 'slew']
代码:
^{pr2}$筛选器的格式为字符串:
filter_t: (self.df["Test Points"] == 3P3V) & (self.df["Slew_1"] == 5000)
filter_t: (self.df["Serial Number"] == 2450) & (self.df["Test Points"] == 3P3V) & (self.df["Voltage_1"] == 11.6) & (self.df["Temperature Setpoint"] == 25.0) & (self.df["Slew_1"] == 5000)
过滤器格式:
filter_l: [('Test Points', '3P3V_Edge'), ('Slew_1', 200)]
filter_l: [('Serial Number', 1234), ('Test Points', '3P3V'), ('Voltage_1', 11.6), ('Temperature Setpoint', 25.0), ('Slew_1', 200)]
解决方案1-工作正常:
filtered_df = {1: df}
for x in filter_l:
filtered_df[1] = (filtered_df[1].loc[(filtered_df[1][f'{x[0]}'] == x[1])])
解决方案2-可能?公司名称:
df_filter = self.df.loc[filter_t]
过滤器示例:
df_filter = self.df.loc[(self.df['Serial Number'] == 1234) &
(self.df['Test Points'] == '3P3V') &
(self.df['Voltage_1'] == 11.6) &
(self.df['Temperature Setpoint'] == 25.0) &
(self.df['Slew'] == 200)]
最终解决方案@John Zwinck-Thx:
filter_t = ' & '.join(f'{c[0]} == "{b}"' for b, c in zip(i, test_tuple))
filtered_df = df.loc[df.eval(filter_t)]
print(f'filter_t: {filter_t}')
>>> filter_t: Test_Points == "3P3V" & Slew_1 == "5000"
如果你能安装
numexpr
,我建议你试试DataFrame.query()。在首先,需要在列名中用下划线(或不加下划线)替换空格。然后,构建并使用如下所示的筛选器字符串:
如果安装了
numexpr
,这可能是最快的解决方案。在或者,建立一个掩码列表,然后将它们组合起来。这与您的解决方案1类似,但比它更好:
^{pr2}$相关问题 更多 >
编程相关推荐