Select pandas 中索引的多个行部分

Question

我有一个带有 GPS 路径和一些属性的大型 DataFrame。路径的几个部分是我需要分析的部分。我只想将这些部分子集化为新的 DataFrame。我当时可以将一个部分子集化，但我的想法是拥有所有部分并拥有一个原始索引。

问题类似于：

import pandas as pd 
df = pd.DataFrame({'A':[0,1,2,3,4,5,6,7,8,9],'B':['a','b','c','d','e','f','g','h','i','j']},
                  index=range(10,20,))

我想要这样的东西：

cdf = df.loc[[11:13] & [17:20]] # SyntaxError: invalid syntax

期望的结果：

我知道 cdf = df.loc[[11,12,13,17,18,19],:] 这个例子很简单，但在最初的问题中我有数千行并且一些条目已经被删除，所以列出点不是一个选项。

Answer 1

一种可能的解决方案 concat：

cdf = pd.concat([df.loc[11:13], df.loc[17:20]])
print (cdf)
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

range的另一个解决方案：

cdf = df.loc[list(range(11,14)) + list(range(17,20))]
print (cdf)
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

Answer 2

您可以使用 np.r_ 连接切片：

In [16]: df.loc[np.r_[11:13, 17:20]]
Out[16]: 
    A  B
11  1  b
12  2  c
17  7  h
18  8  i
19  9  j

但是请注意， df.loc[A:B] 选择标签 A 到 B，其中包含 B。 np.r_[A:B] returns A 到 B 的数组，排除了 B。要包含 B，您需要使用 np.r_[A:B+1].

当传递切片时，例如 df.loc[A:B]，df.loc 忽略不在 df.index 中的标签。相比之下，当传递数组时，例如 df.loc[np.r_[A:B]]、df.loc 可能会为数组中不在 df.index.

中的每个值添加一个填充 NaN 的新行

因此，为了产生所需的结果，您需要调整切片的右端点并使用 isin 来测试 df.index:

中的成员资格

In [26]: df.loc[df.index.isin(np.r_[11:14, 17:21])]
Out[26]: 
    A  B
11  1  b
12  2  c
13  3  d
17  7  h
18  8  i
19  9  j

Select pandas 中索引的多个行部分

Select multiple sections of rows by index in pandas

python

slice

pandas