你可以做类似的事情numpy isclose http://docs.scipy.org/doc/numpy/reference/generated/numpy.isclose.html:
df[np.isclose(df['A'].values[:, None], [3, 6], atol=.5).any(axis=1)]
Out:
A B
1 6.0 2.0
2 3.3 3.2
np.isclose 返回此:
np.isclose(df['A'].values[:, None], [3, 6], atol=.5)
Out:
array([[False, False],
[False, True],
[ True, False],
[False, False]], dtype=bool)
这是两两比较df['A']
的元素和[3, 6]
(这就是为什么我们需要df['A'].values[: None]
- 用于广播)。由于您正在寻找它是否接近列表中的任何一个,因此我们调用.any(axis=1)
在最后。
对于多列,稍微更改切片:
mask = np.isclose(df[['A', 'B']].values[:, :, None], [3, 6], atol=0.5).any(axis=(1, 2))
mask
Out: array([False, True, True, False], dtype=bool)
您可以使用此掩码对 DataFrame 进行切片(即df[mask]
)
如果你想比较df['A']
and df['B']
(以及可能的其他列)使用不同的向量,您可以创建两个不同的掩码:
mask1 = np.isclose(df['A'].values[:, None], [1, 2, 3], atol=.5).any(axis=1)
mask2 = np.isclose(df['B'].values[:, None], [4, 5], atol=.5).any(axis=1)
mask3 = ...
然后切片:
df[mask1 & mask2] # or df[mask1 & mask2 & mask3 & ...]