Pandas：如果lat/lng列落入边界框内，则过滤大型（50米行）数据帧？

Question

我有一个很大的数据集，我正在评估各种分析方法。它是一组csv，每个文件有大约4000万行。读入pandas数据帧，我有以下示例数据。（下面的数据是随机生成的）账户标识符会不时重复，有的在盒子里，有的在外面。我使用csv阅读器以一种“蛮力”的方式工作，并将一个随机生成的1000万行样本的处理时间降低到约60秒。我希望我可以用pandas来提高效率，因为实际的数据集要大得多，我们将来可能需要反复进行这种解析。在

                            account        lat         lng  
0  f413e6cd-bbfe-463b-bf58-cba1a74a4aff    50.847615     70.826473  
1  8b2ceb89-7ce0-4e14-a5f0-28acb7b05d8b    18.545991     115.078981    
2  a51ab728-14b5-473c-bed1-91953da8ba22    30.699439     9.660661  
3  83e3964f-130f-49bc-9c4b-d46d4b48c2cb    7.906903      70.507260
4  84c75e57-5a5f-4314-80be-d1271ecd76ef    -20.325371    48.310855 

这个块描述了我想要用来匹配dataframe行的函数。我有多个边界框，我需要检查成员资格。在

^{pr2}$

我真的不明白如何在收集新数据帧中匹配的行时，使用来自数据帧多个列的条件，将lambda函数应用于所有行。我在网上找不到任何类似的例子。在

到目前为止，我的工作是这样的：

df = pd.read_csv('DATA.csv')
df.columns = ['account', 'lat', 'lng']
accounts= df[(bottom <= df.lat) & (df.lat <= top) & (left <= df.lng) & (df.lng <= right)]

results = df[df.account.isin(accounts)]
results.to_csv('pd_out.csv', header=False, )

但这只适用于一个边界框。我不知道如何进行与上面类似的过滤，但是要使用inu-bounds函数。那么我怎样才能做到最好呢？在

Answer 1

不太漂亮，但是要组合这两个条件，可以使用|运算符。注意两个框条件的括号。在

box1_cond = (bottom <= df.lat) & (df.lat <= top) & (left <= df.lng) & (df.lng <= right)
box2_cond = (bottom2 <= df.lat) & (df.lat <= top2) & (left2 <= df.lng) & (df.lng <= right2)
accounts = df[box1_cond | box2_cond]