让这个数据清理循环更加Python化

Question

我正在使用Python 2.7清理一些人类分类数据，主要使用pandas，但使用

numpy.isreal()

来检查浮动，因为有些人显然在像

'background_color'

这样的字段中输入了浮动。

无论如何，我发布了一个示例，展示了我当前设置下的一种颜色的样子，这是可行的，它只是看起来不太像Python，在循环结束时，

blues

是一个列表

background_color

 不区分大小写的所有索引 

'BLUE'

:

blueShapes=[]
for i in range(imageData.shape[0]):
    if not (np.isreal(imageData.loc[i,'background_color'])):
        if imageData.loc[i,'background_color'].upper()=='BLUE':
            blueShapes.append(i)

看来我可以使用map函数来让这个更Pythonic和更漂亮。就像我说的，它的功能符合预期，但用 Python 编写似乎太……C 或 Java 了。预先感谢您的任何回复。

Answer 1

你可以创建一个大写的bew列

imageData['background_color_2'] = map(lambda x: x.upper(), imageData['background_color'].astype(str))

subset = imageData[imageData['background_color_2']=='BLUE']

为了计数

len(subset['background_color'])

Answer 2

您可以定义一个 lambda 函数，返回具有特定字符串值的行索引

getRowIndexWithStringColor = lambda df, color: [i for i in range(df.shape[0]) if (not np.isreal(df.loc[i,'background_color'])) and df.loc[i,'background_color'].upper()==color)]
rowIndexWithBlue = getRowIndexWithStringColor(imageData, 'BLUE')

Answer 3

作为一般规则，如果你在 pandas 中循环，那么你就做错了。

应该看起来像这样（虽然未经测试，所以你需要适应它！）：

strings = (~imageData.background_color.apply(np.isreal))
blue = (imageData.background_color.str.upper()=="BLUE")
blueshapes = imageData[strings & blue].index           

Answer 4

谢谢大家！我对 Steven G 的答案进行了轻微的修改，我将所有这些都备份在主 .csv 中，因此我没有担心只需用其等效的字符串覆盖

background_color

 列即可。无论如何，任何非环条目都是无效的，但它们并不孤单，因此在连接所有颜色的索引后，我会在稍后将它们作为剩余索引找到。每个列表将被提取如下：

imageData['background_color']=map(lambda x: x.upper(), imageData['background_color'].astype(str))

blueShapes=imageData[imageData['background_color']=='BLUE'].index

Answer 5

我会把它变成一个函数并返回一个数组。

Google：Python之禅

为您提供快速参考

python list/dict/set over map/filter。

更好的可读性和更清晰的代码。

def colorShapes(color):
    return [i
             for i in range(imageData.shape[0])
             if not(np.isreal(imageData.loc[i, 'background_color'].upper() == color 
             and imageData.loc[i, 'background_color'].upper() == color]