Wie wähle ich in Python Pandas Zeilen in einem DataFrame zwischen zwei Werten aus?

Ich versuche, einen DataFrame so zu ändern, dass dfer nur Zeilen enthält, für die die Werte in der Spalte closing_pricezwischen 99 und 101 liegen, und versuche dies mit dem folgenden Code.

Ich erhalte jedoch den Fehler

ValueError: Der Wahrheitswert einer Serie ist nicht eindeutig. Verwenden Sie a.empty, a.bool (), a.item (), a.any () oder a.all ()

und ich frage mich, ob es einen Weg gibt, dies ohne Schleifen zu tun.

df = df[(99 <= df['closing_price'] <= 101)]

Sie sollten ()Ihren booleschen Vektor gruppieren, um Mehrdeutigkeiten zu beseitigen.

df = df[(df['closing_price'] >= 99) & (df['closing_price'] <= 101)]

Betrachten Sie auch Serien zwischen :

df = df[df['closing_price'].between(99, 101)]

Es gibt eine schönere Alternative - verwenden Sie die query () -Methode:

In [58]: df = pd.DataFrame({'closing_price': np.random.randint(95, 105, 10)})

In [59]: df
Out[59]:
   closing_price
0            104
1             99
2             98
3             95
4            103
5            101
6            101
7             99
8             95
9             96

In [60]: df.query('99 <= closing_price <= 101')
Out[60]:
   closing_price
1             99
5            101
6            101
7             99

UPDATE: Beantwortung des Kommentars:

Ich mag die Syntax hier, bin aber beim Versuch, sie mit Ausdruck zu kombinieren, heruntergefallen. df.query('(mean + 2 *sd) <= closing_price <=(mean + 2 *sd)')

In [161]: qry = "(closing_price.mean() - 2*closing_price.std())" +\
     ...:       " <= closing_price <= " + \
     ...:       "(closing_price.mean() + 2*closing_price.std())"
     ...:

In [162]: df.query(qry)
Out[162]:
   closing_price
0             97
1            101
2             97
3             95
4            100
5             99
6            100
7            101
8             99
9             95

Sie können auch .between()Methode verwenden

emp = pd.read_csv("C:\\py\\programs\\pandas_2\\pandas\\employees.csv")

emp[emp["Salary"].between(60000, 61000)]

Ausgabe

newdf = df.query('closing_price.mean() <= closing_price <= closing_price.std()')

oder

mean = closing_price.mean()
std = closing_price.std()

newdf = df.query('@mean <= closing_price <= @std')

Wenn Sie mit mehreren Werten und mehreren Eingaben arbeiten, können Sie auch eine solche Apply-Funktion einrichten. In diesem Fall wird ein Datenrahmen nach GPS-Standorten gefiltert, die in bestimmte Bereiche fallen.

def filter_values(lat,lon):
    if abs(lat - 33.77) < .01 and abs(lon - -118.16) < .01:
        return True
    elif abs(lat - 37.79) < .01 and abs(lon - -122.39) < .01:
        return True
    else:
        return False


df = df[df.apply(lambda x: filter_values(x['lat'],x['lon']),axis=1)]

An Stelle von

df = df[(99 <= df['closing_price'] <= 101)]

Sie sollten dies verwenden

df = df[(df['closing_price']>=99 ) & (df['closing_price']<=101)]

Wir müssen die bitweisen Logikoperatoren |, &, ~, ^ von NumPy verwenden, um Abfragen zusammenzusetzen. Außerdem sind die Klammern wichtig für die Priorität des Operators.

Weitere Informationen finden Sie unter folgendem Link: Vergleiche, Masken und Boolesche Logik