Вопрос об условном выборе df с использованием column.isnull() и column.str.len()> n

Мне интересно, почему приведенный ниже условный выбор не работает. Я бы ожидал, что будут выбраны индексы 0 и 3, но это ничего не возвращает. Интересно, не упускаю ли я что-то очевидное.

In [5]: a = {'A':['this', 'is', 'an', 'example'], 'B':[None, None, None, None], 
   ...: 'C':['some', 'more', 'example', 'data']}

In [6]: df = pd.DataFrame(a)

In [7]: df
Out[7]: 
         A     B        C
0     this  None     some
1       is  None     more
2       an  None  example
3  example  None     data

Это возвращает 2 строки:

In [8]: df.loc[(df['A'].str.len() > 3)]
Out[8]: 
         A     B     C
0     this  None  some
3  example  None  data

И это возвращает все строки:

In [9]: df.loc[(df['B'].isnull())]
Out[9]: 
         A     B        C
0     this  None     some
1       is  None     more
2       an  None  example
3  example  None     data

Поэтому я ожидаю, что это вернет индексы 0 и 3, но не вернет никаких строк.

In [10]: df.loc[(df['B'].isnull() & df['A'].str.len() > 3)]
Out[10]: 
Empty DataFrame
Columns: [A, B, C]
Index: []

Любая помощь будет оценена по достоинству.

Спасибо!

Использование операторов логического сравнения Series/DataFrame может помочь сократить количество скобок: df.loc[df['B'].isnull() & df['A'].str.len().gt(3)]

ALollz 08.04.2019 04:15

Да, в Pandas всегда разумно заключать в скобки каждое условие. (конд1) и (конд2).

Scott Boston 08.04.2019 04:18
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
43
2
Перейти к ответу Данный вопрос помечен как решенный

Ответы 2

Ответ принят как подходящий

Вам нужно использовать отдельные скобки:

df.loc[(df['B'].isnull()) & (df['A'].str.len() > 3)]

         A     B     C
0     this  None  some
3  example  None  data

Это связано с Приоритет оператора. В вашем коде df['B'].isnull() & df['A'].str.len() оценивается первым, что дает:

0    False
1    False
2    False
3     True
dtype: bool

Затем применяется оставшееся сравнение >3, что дает:

0    False
1    False
2    False
3    False
dtype: bool

И, таким образом, исходная строка не возвращает строк вместо желаемых индексов.

Это опечатка, круглые скобки должны быть вокруг условий, поэтому используйте:

df.loc[(df['B'].isnull()) & (df['A'].str.len() > 3)]

Выход:

         A     B     C
0     this  None  some
3  example  None  data

Другие вопросы по теме