Skip to main content
 首页 » 编程设计

python之使用 Pandas/python 根据多个条件选择数据

2025年05月04日9Terrylee

我有两个数据框,第一个有一个方向列,如下所示:

In [9]:wtg_data[1][['U_all', 'Dir_all']].head() 
Out[9]:  
                        U_all   Dir_all 
timestamp                              
2015-05-09 00:00:00  6.425383  192.7583 
2015-05-09 00:10:00  6.736392  196.0836 
2015-05-09 00:20:00  7.613443  203.2848 
2015-05-09 00:30:00  7.539424  203.4758 
2015-05-09 00:40:00  7.365549  205.2733 

第二个有一组我需要排除的部分,这些部分由开始和结束角度定义,如下所示:

In [16]:wake_exclusion_zone[1][['end_angle', 'start_angle']] 
Out[16]:  
     end_angle  start_angle 
0          NaN          NaN 
1    92.766080    37.683639 
2     4.587928   296.557159 
3    58.302667     6.732354 
4   354.386611   305.505815 
5    35.865741   324.134259 
6   353.667108   313.202790 
7    24.513812   335.486188 
8   356.721479   321.058398 
9    18.416798   341.583202 
10  358.340554   325.613169 
11   14.495289   342.304661 

我想从第一个数据帧中选择(并保存在不同的 df 中)方向(Dir_all 列)位于第二个 df 中的对定义的任何扇区之间的数据。

目前我已经尝试了以下适用于第一部分的方法

export = wtg_data[1][(wtg_data[1]['Dir_all'] > wake_exclusion_zone[1]['start_angle'][1]) & (wtg_data[1]['Dir_all'] < wake_exclusion_zone[1]['end_angle'][1])] 

但是当我尝试遍历第二个 df 并附加数据时 export df 保持不变。

请您参考如下方法:

你可以试试merge第一个数据帧 df1 的所有行和第二个数据帧 df2 的所有行,然后过滤输出:

输出没有数据,所以我更改了 df1 的第一行和第二行。

print df1 
                          U_all   Dir_all 
timestamp                                 
2015-05-09 00:00:00  200.000000   92.7583 
2015-05-09 00:00:00  200.000000   92.7583 
2015-05-09 00:10:00    6.736392  196.0836 
2015-05-09 00:20:00    7.613443  203.2848 
2015-05-09 00:30:00    7.539424  203.4758 
2015-05-09 00:40:00    7.365549  205.2733 
 
print df2 
     end_angle  start_angle 
0          NaN          NaN 
1    92.766080    37.683639 
2     4.587928   296.557159 
3    58.302667     6.732354 
4   354.386611   305.505815 
5    35.865741   324.134259 
6   353.667108   313.202790 
7    24.513812   335.486188 
8   356.721479   321.058398 
9    18.416798   341.583202 
10  358.340554   325.613169 
11   14.495289   342.304661 
#helper column for join 
df1['i'] = 1 
df2['i'] = 1 
 
df1 = df1.reset_index() 
 
df = pd.merge(df1, df2, on = ['i']) 
#condition 
df = df[(df.Dir_all > df.start_angle) & (df.Dir_all <= df.end_angle)] 
#remove helper 
df = df.drop(['i'], axis=1) 
print df 
    timestamp  U_all  Dir_all  end_angle  start_angle 
1  2015-05-09    200  92.7583   92.76608    37.683639 
13 2015-05-09    200  92.7583   92.76608    37.683639 
 
#set index from column timestamp 
df = df.set_index('timestamp') 
#drop duplicates 
df = df.drop_duplicates(['U_all','Dir_all','end_angle', 'start_angle']) 
print df 
            U_all  Dir_all  end_angle  start_angle 
timestamp                                          
2015-05-09    200  92.7583   92.76608    37.683639