1

我有一个数据框，其中 user_ids 存储为 HDFStore 中的索引 frame_table。此 HDF 文件中还有另一个表格，其中包含用户执行的操作。我想抓取 1% 的用户采取的所有行动。程序如下：

#Get 1% of the user IDs
df_id = store.select('df_user_id', columns = ['id'])
1pct_users = rnd.sample(df_id.id.unique(), 0.01*len(df_id.id.unique()))
df_id = df_id[df_id.id.isin(1pct_users)]

现在我想返回并从与 df_user_id 索引相同的 frame_tables 中获取描述这些用户所采取的操作的所有附加信息。根据这个例子和这个问题，我做了以下事情：

1pct_actions = store.select('df_actions', where = pd.Term('index', 1pct_users.index))

这只是提供了一个空数据框。事实上，如果我复制并粘贴上一个 pandas 文档链接中的示例，我也会得到一个空数据框。Term最近的熊猫有什么变化吗？我在熊猫 0.12 上。

我不受任何特定解决方案的约束。只要我可以从 df_id 表中查找 hdfstore 索引（速度很快），然后直接从其他帧表中提取这些索引。

4

1 回答 1

3

这是在 0.12 中执行此操作的方法。在 0.13 中，where 可以是索引器（例如位置数组，所以这更容易，请参阅（使用 where 掩码选择）[http://pandas.pydata.org/pandas-docs/dev/io.html#高级查询]，然后是第二个示例。

In [2]: df = DataFrame(dict(A=list(range(5)),B=list(range(5))))

In [3]: df
Out[3]: 
   A  B
0  0  0
1  1  1
2  2  2
3  3  3
4  4  4

In [4]: store = pd.HDFStore('test.h5',mode='w')

In [5]: store.append('df',df)

根据某些位置选择并返回一个坐标对象（只是一个包装的位置数组）

In [6]: c = store.select_as_coordinates('df', ['index<3'])

接受坐标对象的位置（您可以将它们与任何表格一起使用，这里将是您的“df_action”表格）

In [7]: store.select('df', where=c)
Out[7]: 
   A  B
0  0  0
1  1  1
2  2  2

In [8]: c
Out[8]: <pandas.io.pytables.Coordinates at 0x4669590>

In [9]: c.values
Out[9]: array([0, 1, 2])

如果您想对此进行操作，则只需将您想要的位置分配给 Coordinate 对象，然后再传递给select. （正如我上面所说，这个'hack'在 0.13 中消失了，你不需要这个中间对象）

In [8]: c.values = np.array([0,1])

In [9]: store.select('df', where=c)
Out[9]: 
   A  B
0  0  0
1  1  1

store.close()
于 2013-09-10T22:39:38.467 回答