Início / coding / Perguntas / 79550403
Accepted
Swawa
Asked: 2025-04-02 18:40:31 +0800 CST

Obter um subconjunto de linhas de um Pandas Dataframe com base em condições com consulta

  • 772

Gostaria

  • para obter um subconjunto de um Pandas Dataframe
  • com base na consulta, se possível
  • fornecendo várias condições com base nos valores das colunas
  • onde somente linhas precisam ser selecionadas até que as condições apareçam pela primeira vez.

Provavelmente isso não é novidade. Eu simplesmente não encontro as respostas certas em outras postagens.

O Dataframe de exemplo:

import pandas as pd
df_GPS = pd.DataFrame([['2024-06-21 06:22:38', 22958, 605.968389, 1, 2, 1],
                       ['2024-06-21 06:22:39', 22959, 606.009398, 3, 0, 1],
                       ['2024-06-21 06:22:40', 22960, 605.630573, 1, 2, 0],
                       ['2024-06-21 06:22:41', 22961, 605.476367, 3, 3, 0],
                       ['2024-06-21 06:22:42', 22962, 605.322161, 2, 1, 1],
                       ['2024-06-21 06:22:43', 22963, 605.268389, 4, 1, 0],
                       ['2024-06-21 06:22:44', 22964, 605.559398, 1, 3, 1],
                       ['2024-06-21 06:22:45', 22965, 606.630573, 2, 9 , 0],
                       ['2024-06-21 06:22:46', 22966, 607.476367, 15, 13, 3],
                       ['2024-06-21 06:22:47', 22967, 609.322161, 23, 19, 12],
                       ['2024-06-21 06:22:48', 22968, 607.155939, 20, 21, 16],
                       ['2024-06-21 06:22:49', 22969, 606.763057, 18, 14, 8],
                       ['2024-06-21 06:22:50', 22970, 605.333781, 1, 1, 1],
                       ['2024-06-21 06:22:50', 22971, 604.333781, 15, 1, 1]
                      ], columns=['time', '__UTCs__','Altitude', 's01[m]', 's5.5[m]', 's10[m]'])
df_GPS

    time    __UTCs__    Altitude    s01[m]  s5.5[m]     s10[m]
0   2024-06-21 06:22:38     22958   605.968389  1   2   1
1   2024-06-21 06:22:39     22959   606.009398  3   0   1
2   2024-06-21 06:22:40     22960   605.630573  1   2   0
3   2024-06-21 06:22:41     22961   605.476367  3   3   0
4   2024-06-21 06:22:42     22962   605.322161  2   1   1
5   2024-06-21 06:22:43     22963   605.268389  4   1   0
6   2024-06-21 06:22:44     22964   605.559398  1   3   1
7   2024-06-21 06:22:45     22965   606.630573  2   9   0
8   2024-06-21 06:22:46     22966   607.476367  15  13  3
9   2024-06-21 06:22:47     22967   609.322161  23  19  12
10  2024-06-21 06:22:48     22968   607.155939  20  21  16
11  2024-06-21 06:22:49     22969   606.763057  18  14  8
12  2024-06-21 06:22:50     22970   605.333781  1   1   1
13  2024-06-21 06:22:50     22971   604.333781  15  1   1

O resultado que pretendo obter é o seguinte:

    time    __UTCs__    Altitude    s01[m]  s5.5[m]     s10[m]
1   2024-06-21 06:22:40     22960   605.630573  1   2   0
2   2024-06-21 06:22:41     22961   605.476367  3   3   0
3   2024-06-21 06:22:42     22962   605.322161  2   1   1
4   2024-06-21 06:22:43     22963   605.268389  4   1   0
5   2024-06-21 06:22:44     22964   605.559398  1   3   1
6   2024-06-21 06:22:45     22965   606.630573  2   9   0
7   2024-06-21 06:22:46     22966   607.476367  15  13  3

Eu tentei com query(o que eu achava que seria a maneira mais elegante):

df_sub = df_GPS.query('__UTCs__ >= 22960 & s01[m] < 16')

que dá um UndefinedVariableError: name 's01' is not definedtalvez devido aos sublinhados ou aos colchetes nos nomes das colunas? Como eu definiria que essas são colunas de df_GPS?
Por outro lado

df_sub = df_GPS[((df_GPS['__UTCs__'] >= 22960) & (df_GPS['s01[m]'] < 16))].copy()

O que resulta em:

    time    __UTCs__    Altitude    s01[m]  s5.5[m]     s10[m]
2   2024-06-21 06:22:40     22960   605.630573  1   2   0
3   2024-06-21 06:22:41     22961   605.476367  3   3   0
4   2024-06-21 06:22:42     22962   605.322161  2   1   1
5   2024-06-21 06:22:43     22963   605.268389  4   1   0
6   2024-06-21 06:22:44     22964   605.559398  1   3   1
7   2024-06-21 06:22:45     22965   606.630573  2   9   0
8   2024-06-21 06:22:46     22966   607.476367  15  13  3
12  2024-06-21 06:22:50     22970   605.333781  1   1   1
13  2024-06-21 06:22:50     22971   604.333781  15  1   1

funciona em princípio, mas deixa todas as linhas atendendo ao último critério. Quero parar a consulta após a primeira descoberta de todos os critérios de atendimento. Existe uma maneira sem realizar um groupby de ['s01[m]']?

A última maneira que tentei foi com loc. Isso também redefiniria o índice, mas resultaria no mesmo conteúdo de linha:

df_sub = df_GPS.loc[(df_GPS['__UTCs__'] >= 0) & (df_GPS['s01[m]'] <= 16)]

    time    __UTCs__    Altitude    s01[m]  s5.5[m]     s10[m]
0   2024-06-21 06:22:38     22958   605.968389  1   2   1
1   2024-06-21 06:22:39     22959   606.009398  3   0   1
2   2024-06-21 06:22:40     22960   605.630573  1   2   0
3   2024-06-21 06:22:41     22961   605.476367  3   3   0
4   2024-06-21 06:22:42     22962   605.322161  2   1   1
5   2024-06-21 06:22:43     22963   605.268389  4   1   0
6   2024-06-21 06:22:44     22964   605.559398  1   3   1
7   2024-06-21 06:22:45     22965   606.630573  2   9   0
8   2024-06-21 06:22:46     22966   607.476367  15  13  3
12  2024-06-21 06:22:50     22970   605.333781  1   1   1
13  2024-06-21 06:22:50     22971   604.333781  15  1   1

Como posso finalizar a consulta com um loop while?

python

1 respostas

  1. Best Answer

    Você pode usar cumminpara calcular sua segunda condição:

    df_GPS[df_GPS['__UTCs__'].ge(22960) & df_GPS['s01[m]'].lt(16).cummin()]

    Saída:

                      time  __UTCs__    Altitude  s01[m]  s5.5[m]  s10[m]
2  2024-06-21 06:22:40     22960  605.630573       1        2       0
3  2024-06-21 06:22:41     22961  605.476367       3        3       0
4  2024-06-21 06:22:42     22962  605.322161       2        1       1
5  2024-06-21 06:22:43     22963  605.268389       4        1       0
6  2024-06-21 06:22:44     22964  605.559398       1        3       1
7  2024-06-21 06:22:45     22965  606.630573       2        9       0
8  2024-06-21 06:22:46     22966  607.476367      15       13       3

    Intermediários:

        __UTCs__  s01[m]  __UTCs__ >= 22960  s01[m] < 16  (s01[m] < 16).cummin()      &
0      22958       1              False         True                    True  False
1      22959       3              False         True                    True  False
2      22960       1               True         True                    True   True
3      22961       3               True         True                    True   True
4      22962       2               True         True                    True   True
5      22963       4               True         True                    True   True
6      22964       1               True         True                    True   True
7      22965       2               True         True                    True   True
8      22966      15               True         True                    True   True
9      22967      23               True        False                   False  False
10     22968      20               True        False                   False  False
11     22969      18               True        False                   False  False
12     22970       1               True         True                   False  False
13     22971      15               True         True                   False  False

    Uma abordagem potencialmente mais robusta se você tiver muitas condições e quiser o primeiro trecho de todos Verdadeiro:

    m = df_GPS['__UTCs__'].ge(22960) & df_GPS['s01[m]'].lt(16)
m2 = m.ne(m.shift(fill_value=m.iloc[0])).cumsum().eq(1) & m

out = df_GPS[m2]

    Intermediários:

        __UTCs__  s01[m]      m  shift     ne  cumsum  eq(1)    & m
0      22958       1  False  False  False       0  False  False
1      22959       3  False  False  False       0  False  False
2      22960       1   True  False   True       1   True   True
3      22961       3   True   True  False       1   True   True
4      22962       2   True   True  False       1   True   True
5      22963       4   True   True  False       1   True   True
6      22964       1   True   True  False       1   True   True
7      22965       2   True   True  False       1   True   True
8      22966      15   True   True  False       1   True   True
9      22967      23  False   True   True       2  False  False
10     22968      20  False  False  False       2  False  False
11     22969      18  False  False  False       2  False  False
12     22970       1   True  False   True       3  False  False
13     22971      15   True   True  False       3  False  False
    • 2

relate perguntas