データフレームから特定のシーケンスを抽出する方法は？

Question

この質問はmy previous questionに関連しています。

myList = [V1234,456,A45] 

私は2以上の「連番の」回出ていdfで行のみを取得したい： - VD_5

df = 
    ID TYPE VD_0 VD_1 VD_2 VD_3 VD_4 VD_5 
    1 ABC V1234 aaa bbb 456 123 564 
    2 DBC 456 A45 aaa V1234 bbb 564 
    3 ABD 456 V1234 bbb ccc 456 123 
    4 ABD ccc aaa 123 V1234 SSW 123 

VD_0の目標値の次のリストがあります：以下のデータフレームを考えますVD_0-VD_5,の値のうちmyListの値のうち、（myListに属しない値）の間の他の値を使用することができます。例えば、これらの許容値は、結果はこの1つであるべきなど

aaa、bbb、ccc、次のようになります。私は列Col_にmyListから値のみを表示したいresultで

result = 
    ID TYPE Col_0 Col_1 Col_2 
    1 ABC V1234 456 
    2 DBC 456  A45  V1234 
    3 ABD 456  V1234 456 

、残りの値は無視します。

次のコードは正常に動作しますが、それはmyListに表示されない任意の値の間に持つことが許されていることを考慮していない：

subset = df.filter(like='VD_') 

df[subset.isin(myList).rolling(2, axis=1).sum().max(axis=1)>=2] 

任意の助けが理解されるであろう。

Answer 1

DataFramesumboolean DataFrameのチェックの長さがTrueの列と行である必要があると思います。

その後の列を選択するための問題ですので、fill_values=Trueでreindexによってdf.columnsから欠落している列を追加必要があります。

myList = ['V1234','456','A45'] 
subset = df.filter(like='VD_') 

subset1 = subset.isin(myList) 
mask1 = subset1.sum(axis=1) >= 2 
print (mask1) 

0  True 
1  True 
2  True 
3 False 
dtype: bool 

mask2 = subset1.sum() >= 2 
print (mask2) 
VD_0  True 
VD_1  True 
VD_2 False 
VD_3  True 
VD_4 False 
VD_5 False 
dtype: bool 

print (mask2.reindex(df.columns, fill_value=True)) 
ID  True 
TYPE  True 
VD_0  True 
VD_1  True 
VD_2 False 
VD_3  True 
VD_4 False 
VD_5 False 
dtype: bool 

print (df.loc[mask1, mask2.reindex(df.columns, fill_value=True)]) 
    ID TYPE VD_0 VD_1 VD_3 
0 1 ABC V1234 aaa 456 
1 2 DBC 456 A45 V1234 
2 3 ABD 456 V1234 ccc 

Answer 2

ここでは別の方法です。

In [903]: df.apply(lambda x: [y for y in x if y in myList], axis=1) 
Out[903]: 
0   [V1234, 456] 
1 [456, A45, V1234] 
2 [456, V1234, 456] 
3    [V1234] 
dtype: object 

In [904]: s = df.apply(lambda x: [y for y in x if y in myList], axis=1) 

In [905]: s[s.apply(len) >= 2] 
Out[905]: 
0   [V1234, 456] 
1 [456, A45, V1234] 
2 [456, V1234, 456] 
dtype: object 

In [906]: s[s.apply(len) >= 2].apply(pd.Series) 
Out[906]: 
     0  1  2 
0 V1234 456 NaN 
1 456 A45 V1234 
2 456 V1234 456