按表中的行值获取列的子集

Question

我有一个关于用户及其电影评级的数据框架：

userId   movie1   movie2   movie3   movie4   movie5   movie6
0        4.1      NaN      1.0      NaN      2.1      NaN  
1        3.1      1.1      3.4      1.4      NaN      NaN  
2        2.8      NaN      1.7      NaN      3.0      NaN  
3        NaN      5.0      NaN      2.3      NaN      2.1  
4        NaN      NaN      NaN      NaN      NaN      NaN  
5        2.3      NaN      2.0      4.0      NaN      NaN  

数据帧中实际上没有userId列，它只是用于索引

从这个数据框中，我尝试创建另一个数据框，该数据框仅包含特定用户已评级的电影。例如，如果我想制作一个仅由用户使用userId == 0评级的电影的新数据帧，那么输出将是一个具有以下内容的数据帧：

userId   movie1   movie3   movie5
0        4.1      1.0      2.1 
1        3.1      3.4      NaN  
2        2.8      1.7      3.0  
3        NaN      NaN      NaN  
4        NaN      NaN      NaN  
5        2.3      2.0      NaN  

我知道如何迭代列，但我不知道如何通过检查行值来选择所需的列

Answer 1

您可以使用.loc访问器选择特定的userId，然后使用notna创建布尔掩码，指定不包含NaN值的列，最后使用此布尔掩码筛选列：

userId = 0 # specify the userid here
df_user = df.loc[:, df.loc[userId].notna()]

详细信息：

>>> df.loc[userId].notna()

movie1     True
movie2    False
movie3     True
movie4    False
movie5     True
movie6    False
Name: 0, dtype: bool

>>> df.loc[:, df.loc[userId].notna()]

        movie1  movie3  movie5
userId                        
0          4.1     1.0     2.1
1          3.1     3.4     NaN
2          2.8     1.7     3.0
3          NaN     NaN     NaN
4          NaN     NaN     NaN
5          2.3     2.0     NaN

Answer 2

将感兴趣的userId声明并loc放入一个新的df中，只保留相关列

然后pd.concat将新的df与其他用户ID一起保存，并保留所选用户ID的列（电影）：

user = 0 # set your userId

a = df.loc[[user]].dropna(axis=1)
b = pd.concat([a, (df.drop(a.index))[[i for i in a.columns]]])

其中打印：

b
        movie1  movie3  movie5
userId                        
0         4.10    1.00    2.10
1         3.10    3.40     NaN
2         2.80    1.70    3.00
3          NaN     NaN     NaN
4          NaN     NaN     NaN
5         2.30    2.00     NaN

注意，我已经将index设置为您指定的userId

Answer 3

另一种方法：

import pandas as pd

user0 = df.iloc[0,:]       #select the first row
flags = user0.notna()      #flag the non NaN values
flags = flags.tolist()     #convert to list instead of series
newdf = df.iloc[:,flags]   #return all rows, and the columns where flags are true