Python | Выбор строк в dataframe pandas

Question

Я полностью потерял следующее. У меня есть тестовый Dataframe, заполненный твитами и метаданными. Теперь, при определенных условиях (например, я хочу выбрать все ретвиты), я хочу скопировать строку и записать ее в новый CSV.

Дело в том, что я не понимаю, как выбирать строки в Pandas, я консультировался с документацией, но это все еще озадачивает меня. Я пробовал .loc и .ix, но я думаю, что я делаю это неправильно. Поэтому моя идея заключалась в том, чтобы добавлять рябины, а затем индексировать на основе этих рябинов с помощью счетчика и .ix. Поскольку мой индекс, таким образом, является целым числом, я полагал, что это может сработать:

selectRow = file_df.ix[counter,:] 

кроме этого нет. Любые советы о том, как выбрать целую строку? Я, вероятно, пропустил что-то супер легкое.

Общий код: # Скрипт принимает твиты и выбирает ретвиты, распечатывая всю строку до нового файла.

import pandas as pd 
import string 

print("Loading file & initializing variables.") 

# load file 
file_df = pd.read_csv("Desktop/tweetsamples.csv", delimiter=";") 

#declare stuff we need to use 
output_df = pd.DataFrame() 
rowToCopy = pd.Series() 
selectRow = pd.Series() 
withoutPuncSeries = pd.Series() 
counter = 0 
retweet = False 
username = "" 

print("Working.. Please be patient.") 

# define for loop which checks if there is a retweet in the tweet 

content = file_df["header"] 

splitContent = [content.str.split()] #initialize list 
for wordsLists in splitContent: 
    counter = counter + 1 
    for wordsList in wordsLists: 
     if wordsList[0] == "RT": 
      retweet = True 
      username = wordsList[1] 
      withoutPunctuation = "" #initialize/reset placeholder string 
      for char in username: #we want to get rid of potential interpunction errors behind the username, so we loop through the string 
       if char != "@": #we don't want to have the @ 
        if char == "_" or char not in string.punctuation: #only desired characters ('_' is a valid char in an username) 
         withoutPunctuation = withoutPunctuation + char.lower() #add to placeholder string 
      print "Found retweet from:", withoutPunctuation 
      withoutPuncSeries = [withoutPunctuation] 
      selectRow = file_df.ix[counter,:] 

    rowToCopy = [selectRow, withoutPuncSeries] 
    output_df = output_df.append(rowToCopy) 
    rowToCopy = pd.Series() #reset 
    withoutPuncSeries = pd.Series() 

output_df.to_csv("Desktop/retweet test.csv", sep=";") 

print("Done.") 

Answer 1

вы можете выбрать одну строку с df.iloc[row] или диапазон с df.iloc[startrow:endrow]. В вашем случае есть дополнительная запятая, которая, кажется, создает проблемы.

Answer 2

Если вы хотите выбрать строки на основе состояния, то подобное должно работать.

def my_function(header): 
    if header[0]=='RT': #or whatever your condition is 
     return True 
    else: 
     return False 


df_new = df[df['header'].apply(my_function)] 
df_new.to_csv('../only_rt.csv') 

Answer 3

Я думаю, что вы ищете булевскую маскировку, проблема в том, что структура данных не очень ясна. pandas имеет много функций, которые работают со строками, такими как contains, startswith, .. и т.д.

retweet_df = file_df[file_df['header'].str.contains('RT') & ....] 

булевых маски могут содержать несколько операторов в сочетании с помощью логических операторов & (и), | (или) ~ (не)