从熊猫数据框中过滤元素以进行统计分析

Question

我对熊猫还很陌生，我只想检查是否可以进行以下操作：

我有一个看起来像这样的数据框：

Date         Hour   id    id_a   id_b   id_c   id_d   id_e
2019-12-05   05     123   True   False  True   False  False
2019-12-05   05     124   False  False  True   False  True
2019-12-05   05     125   True   False  False  False  False
...

在excel中，我可以过滤值以仅显示True或False值，这将更改所有视图并仅显示右列。我可以过滤多个列并获得所需的视图。例如，id_a和id_b设置为True，id_e设置为False，其他列未过滤或不接受True或False值。例如，将id_a设置为True进行过滤会删除第二个条目：

Date         Hour   id    id_a   id_b   id_c   id_d   id_e
2019-12-05   05     123   True   False  True   False  False
2019-12-05   05     125   True   False  False  False  False
...

[如果有可能使用带有pandas函数的pandas数据框或简单的python或任何库来获得以下内容：

a）如果将id_a，id_b设置为false且id_c和id_d接受任何值且id_e为true，则返回存在的数据帧的长度

b）返回True和False语句的任意组合。

谢谢您的建议。

Answer 1

仅第一个过滤器boolean列：

df1 = df.select_dtypes(bool)

或按位置列：
df1 = df.iloc[:, 3:]
print (df1)
    id_a   id_b   id_c   id_d   id_e
0   True  False   True  False  False
1  False  False   True  False   True
2   True  False  False  False  False

然后是链式口罩：
m = ~df['id_a'] & ~df['id_b'] & df['id_e']
print (m)
0    False
1     True
2    False
dtype: bool

对于计数True，请使用sum：
print (m.sum())
1

如果要计算True s和False s：
df2 = df1.apply(pd.value_counts).fillna(0).astype(int)
print (df2)

       id_a  id_b  id_c  id_d  id_e
False     1     3     1     3     2
True      2     0     2     0     1

并且还要在计数之前按某些列数据进行过滤：
mask = df['id_a']
df3 = df1[mask].apply(pd.value_counts).fillna(0).astype(int)
print (df3)
       id_a  id_b  id_c  id_d  id_e
False     0     2     1     2     2
True      2     0     1     0     0