1

Tengo un DataFrame hecho con pandas, formado por las columnas ['x','y','z0','z','arbol'], adjunto pantallazo de su estructura:

introducir la descripción de la imagen aquí.

De los datos de ese DataFrame general he extraído todos aquellos cuyo valor de árbol es igual a 1 creando otro DataFrame llamado arbol1. Dentro de la columna z0 de este último, quiero seleccionar los valores que están entre 0.511 y 0.530 para extraerlos a un archivo .csv.

He conseguido seleccionar los datos menores de 0.530, pero no soy capaz de establecer un intervalo, solo sé ordenar mis datos, seleccionar un valor concreto (por ej z0=0597) o los valores que están por debajo o por encima de un valor.

import pandas as pd

df = pd.read_table("0Arbolesavila4.txt",header=0,names=['x','y','z0','z','arbol'])

arbol1 = df[df.arbol == 1]

print(arbol1)
print(arbol1['z0'])
print(arbol1.sort_values(by='z0'))
print(arbol1.loc[arbol1['z0'] == 0.597])
print(arbol1[arbol1.ix[:,2] > 0.511])

1 respuesta 1

0

Tienes varias posibilidades, por ejemplo:

  • Usar un un filtro booleano similar a lo que haces, pero usando el operador & (and):

    res =  arbol1[(arbol1['z0'] > 0.511) & (arbol1['z0'] < 0.530)]
    

    En tiempo de ejecución es muy eficiente, es una simple máscara booleana de NumPy, el problema es que cada subexpresión separada por el operador se evalúa primero por separado y requieren de un array boolenano temporal cada una, por lo que es agresivo con el uso de RAM, especialmente en conjuntos muy grandes de datos.

  • Usar pandas.Series.between:

    res = arbol1[arbol1['z0'].between(0.511, 0.530, inclusive=False)]
    

    Para este caso concreto es posiblemente el más eficiente genéricamente de los tres y no se pierde en legibilidad.

  • Usar pandas.DataFrame.query:

    res = arbol1.query('0.511 < z0 < 0.530')
    

    Es por norma general algo más lento que las dos anteriores opciones, pero es considerablemente más flexible y en muchos casos bastante más legible. Eso si, para conjuntos de datos muy grandes no requiere los arrays temporales que la primera opción requiere (usa el paquete numexpr), por lo que es más eficiente en cuanto al uso de memoria comparado con la máscara booleana y &.

Nota: no es necesario ordenar explícitamente el DataFrame por esa columna previamente en ninguno de los casos.

Un pequeño ejemplo basado en tus datos:

>>> import io
>>> import pandas as pd

>>> table = io.StringIO('''
...     x        y       z0
... 22.99   73.089    0.529
... 21.78   40.149    0.512
... 14.45   42.215    0.540
... 12.12   42.144    0.503
... 32.55   51.423    0.521
... 52.21   45.412    0.509
... ''')

>>> arbol1 = pd.read_table(table, sep="\s+")
>>> arbol1
       x       y     z0
0  22.99  73.089  0.529
1  21.78  40.149  0.512
2  14.45  42.215  0.540
3  12.12  42.144  0.503
4  32.55  51.423  0.521
5  52.21  45.412  0.509

>>> arbol1[(arbol1['z0'] > 0.511) & (arbol1['z0'] < 0.530)] 
       x       y     z0
0  22.99  73.089  0.529
1  21.78  40.149  0.512
4  32.55  51.423  0.521

>>> arbol1[arbol1['z0'].between(0.511, 0.530, inclusive=False)]
       x       y     z0
0  22.99  73.089  0.529
1  21.78  40.149  0.512
4  32.55  51.423  0.521

>>> arbol1.query('0.511 < z0 < 0.530')
       x       y     z0
0  22.99  73.089  0.529
1  21.78  40.149  0.512
4  32.55  51.423  0.521
3
  • Ya me salió!muchas gracias :)
    – Deva
    el 13 jul. 2018 a las 10:13
  • Gracias a tu ayuda he sido capaz de seleccionar el intervalo de datos que quería para el árbol uno. Ahora estoy intentando hacer lo mismo para los 7 árboles que tengo en el DataFrame original quería saber si puedo aplicar la misma condición a cada uno de los árboles por separado de forma iterativa, es decir seleccionar los valores de zo que estén entre 1.30 y 1.35 (en este caso) para los 7 árboles.
    – Deva
    el 19 jul. 2018 a las 8:45
  • ¿Te refieres a aplicarlo para cada valor diferente de la columna arbol verdad? Si es el mismo rango para los 7 árboles simplemente aplica la opción que uses al dataframe completo en vez de a arbol1, después si quieres un dataframe para cada árbol lo creas filtrando por la columna una vez aplicado el filtro del rango.
    – FJSevilla
    el 19 jul. 2018 a las 10:25

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.