本文介绍了如何利用 Pandas DataFrame 的向量化操作，高效地获取每列中数值大于等于 0.5 的患者列表。通过列表推导式和布尔索引，避免了显式循环，提高了代码的执行效率和可读性。掌握这些技巧，可以更便捷地进行数据分析和处理。
在数据分析中，经常需要根据DataFrame中特定列的值来筛选或提取相关信息。Pandas 提供了强大的向量化操作，可以避免使用循环，从而提高效率。本文将介绍如何使用向量化操作，从DataFrame中获取每列满足特定条件的患者列表。
核心思路
核心思路是利用Pandas的布尔索引和列表推导式。首先，使用布尔索引筛选出每列中大于等于 0.5 的行。然后，从筛选后的行中提取对应的患者 ID。最后，使用列表推导式对所有列重复此操作，生成一个包含所有列的患者列表的列表。
具体步骤
准备数据
首先，创建一个示例 DataFrame，包含患者 ID 和一些数值列：
import pandas as pdcolumns = ['S1', 'S2', 'S3', 'S4', 'S5']df = pd.DataFrame({'Patient':['p1', 'p2', 'p3', 'p4', 'p5', 'p6', 'p7', 'p8', 'p9', 'p10'], 'S1':[0.7, 0.3, 0.5, 0.8, 0.9, 0.1, 0.9, 0.2, 0.6, 0.3], 'S2':[0.2, 0.3, 0.5, 0.4, 0.9, 0.1, 0.9, 0.7, 0.4, 0.3], 'S3':[0.6, 0.3, 0.5, 0.8, 0.9, 0.8, 0.9, 0.3, 0.6, 0.3], 'S4':[0.2, 0.3, 0.7, 0.8, 0.9, 0.1, 0.9, 0.7, 0.3, 0.3 ], 'S5':[0.9, 0.8, 0.5, 0.8, 0.9, 0.7, 0.2, 0.7, 0.6, 0.3 ]})print(df)
使用列表推导式和布尔索引
使用列表推导式，对每一列执行以下操作：
使用 df[col] >= 0.5 创建一个布尔 Series，指示每行是否满足条件。使用布尔 Series 作为索引，筛选出 DataFrame 中满足条件的行。从筛选后的 DataFrame 中提取 ‘Patient’ 列的值，并将其转换为列表。
patient_lists = [df.Patient[df[col] >= 0.5].to_list() for col in columns]print(patient_lists)
结果
patient_lists 将是一个包含多个列表的列表，每个列表对应 DataFrame 的一列，包含该列中数值大于等于 0.5 的患者 ID。
[['p1', 'p3', 'p4', 'p5', 'p7', 'p9'], ['p3', 'p5', 'p7', 'p8'], ['p1', 'p3', 'p4', 'p5', 'p6', 'p7', 'p9'], ['p3', 'p4', 'p5', 'p7', 'p8'], ['p1', 'p2', 'p3', 'p4', 'p5', 'p6', 'p9', 'p8']]
注意事项
确保 DataFrame 中要进行比较的列是数值类型。可以根据实际需求修改条件 df[col] >= 0.5，例如使用 df[col] > value，df[col] == value 等。如果需要去重，可以将 to_list() 替换为 unique().tolist()。
总结
通过使用 Pandas 的向量化操作，可以高效地从 DataFrame 中提取满足条件的患者列表。这种方法避免了显式循环，提高了代码的执行效率和可读性。掌握这些技巧，可以更便捷地进行数据分析和处理。
以上就是Pandas DataFrame 列的向量化操作：获取满足条件的患者列表的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1380750.html
微信扫一扫 
支付宝扫一扫 
