df.ix obtient NAN comme sous-ensemble

Question

J'ai un dataframe comme ci-dessous [72 lignes x 25 colonnes]:

 Pin  CPULabel Freq(MHz) DCycle  Skew(1-3)min Skew(1-3)mean 
0 Dif0 BP100_Fast 99.9843 0.492   0    0 
1 Dif0 BP100_Slow 100.011 0.493   0    0 
2 Dif0 100HiBW_Fast 100.006 0.503   0    0 
3 Dif0 100HiBW_Slow 100.007 0.504   0    0 
4 Dif0 100LoBW_Fast 100.005 0.503   0    0 
5 Dif0 100LoBW_Slow 99.9951 0.504   0    0 
8 Dif1 BP100_Fast 99.9928 0.492   7   10 
9 Dif1 BP100_Slow 99.9962 0.492   11   12 
10 Dif1 100HiBW_Fast 100.014 0.502   10   11 
11 Dif1 100HiBW_Slow 100.006 0.503   6   13 
12 Dif1 100LoBW_Fast 99.9965 0.502   5   10 
13 Dif1 100LoBW_Slow 99.9946 0.503   12   14 
16 Dif2 BP100_Fast 99.9929 0.493   2    6 
17 Dif2 BP100_Slow 99.997 0.493   8   13 
18 Dif2 100HiBW_Fast 100.002 0.504   4    9 
19 Dif2 100HiBW_Slow 99.9964 0.504   13   17 
20 Dif2 100LoBW_Fast 100.021 0.504   8    9 

Je suis juste intéressé par les lignes qui contiennent des chaînes BP100_Fast, 100HiBW et 100HiBW. Alors je la la commande ci-dessous:

excel = pd.read_excel('25C_3.3V.xlsx', skiprows=1) 
excel.fillna(value=0, inplace=True) 
general = excel[excel['Pin'] != 'Clkin'] 
general.drop_duplicates(keep=False, inplace=True) 
slew = general[(general['CPULabel']=='BP100_Fast') | (general['CPULabel']=='100LoBW_Fast') | (general['CPULabel']=='100HiBW_Fast')] 

Je suis en mesure d'obtenir ce que je veux [36 lignes x 25 colonnes]:

 Pin  CPULabel Freq(MHz) DCycle  Skew(1-3)min Skew(1-3)mean 
0 Dif0 BP100_Fast 99.9843 0.492   0    0 
2 Dif0 100HiBW_Fast 100.006 0.503   0    0 
4 Dif0 100LoBW_Fast 100.005 0.503   0    0 
8 Dif1 BP100_Fast 99.9928 0.492   7   10 
10 Dif1 100HiBW_Fast 100.014 0.502   10   11 
12 Dif1 100LoBW_Fast 99.9965 0.502   5   10 
16 Dif2 BP100_Fast 99.9929 0.493   2    6 
18 Dif2 100HiBW_Fast 100.002 0.504   4    9 
20 Dif2 100LoBW_Fast 100.021 0.504   8    9 

Cependant, si je changeais la dernière commande:

slew = general.ix[['BP100_Fast', '100LoBW_Fast', '100HiBW_Fast'], :] 

J'ai obtenu NAN comme résultat. [3 lignes x 25 colonnes]

   Pin CPULabel Freq(MHz) DCycle Skew(1-3)min Skew(1-3)mean 
BP100_Fast NaN  NaN  NaN  NaN  NaN   NaN 
100LoBW_Fast NaN  NaN  NaN  NaN  NaN   NaN 
100HiBW_Fast NaN  NaN  NaN  NaN  NaN   NaN 

Y a-t-il un moyen de compléter cela avec df.ix? Merci beaucoup.

Answer 1

Per Docs

L'indexeur .ix est déprécié, en faveur des indexeurs .iloc et .loc plus stricts. .ix offre beaucoup de magie sur l'inférence de ce que l'utilisateur veut faire. À savoir, .ix peut décider d'indexer positionnellement ou via des étiquettes, en fonction du type de données de l'index. Cela a causé beaucoup de confusion au cours des années. La documentation complète d'indexation est ici. (GH14218)

Option 1
isin

general[general.CPULabel.isin(['BP100_Fast', '100LoBW_Fast', '100HiBW_Fast'])] 

    Pin  CPULabel Freq(MHz) DCycle Skew(1-3)min Skew(1-3)mean 
0 Dif0 BP100_Fast 99.9843 0.492    0    0 
2 Dif0 100HiBW_Fast 100.0060 0.503    0    0 
4 Dif0 100LoBW_Fast 100.0050 0.503    0    0 
8 Dif1 BP100_Fast 99.9928 0.492    7    10 
10 Dif1 100HiBW_Fast 100.0140 0.502   10    11 
12 Dif1 100LoBW_Fast 99.9965 0.502    5    10 
16 Dif2 BP100_Fast 99.9929 0.493    2    6 
18 Dif2 100HiBW_Fast 100.0020 0.504    4    9 
20 Dif2 100LoBW_Fast 100.0210 0.504    8    9 

---

Option 2
query

general.query('CPULabel in ["BP100_Fast", "100LoBW_Fast", "100HiBW_Fast"]') 

    Pin  CPULabel Freq(MHz) DCycle Skew(1-3)min Skew(1-3)mean 
0 Dif0 BP100_Fast 99.9843 0.492    0    0 
2 Dif0 100HiBW_Fast 100.0060 0.503    0    0 
4 Dif0 100LoBW_Fast 100.0050 0.503    0    0 
8 Dif1 BP100_Fast 99.9928 0.492    7    10 
10 Dif1 100HiBW_Fast 100.0140 0.502   10    11 
12 Dif1 100LoBW_Fast 99.9965 0.502    5    10 
16 Dif2 BP100_Fast 99.9929 0.493    2    6 
18 Dif2 100HiBW_Fast 100.0020 0.504    4    9 
20 Dif2 100LoBW_Fast 100.0210 0.504    8    9 

---

Option 3
pd.Series.str.endswith

general[general.CPULabel.str.endswith('Fast')] 

    Pin  CPULabel Freq(MHz) DCycle Skew(1-3)min Skew(1-3)mean 
0 Dif0 BP100_Fast 99.9843 0.492    0    0 
2 Dif0 100HiBW_Fast 100.0060 0.503    0    0 
4 Dif0 100LoBW_Fast 100.0050 0.503    0    0 
8 Dif1 BP100_Fast 99.9928 0.492    7    10 
10 Dif1 100HiBW_Fast 100.0140 0.502   10    11 
12 Dif1 100LoBW_Fast 99.9965 0.502    5    10 
16 Dif2 BP100_Fast 99.9929 0.493    2    6 
18 Dif2 100HiBW_Fast 100.0020 0.504    4    9 
20 Dif2 100LoBW_Fast 100.0210 0.504    8    9 

Answer 2

Essayez cette approche:

labels = ['BP100_Fast', '100HiBW', '100HiBW'] 

slew = \ 
pd.read_excel('25C_3.3V.xlsx', skiprows=1) \ 
    .fillna(value=0) \ 
    .query("Pin != Clkin and CPULabel in @labels") \ 
    .drop_duplicates(keep=False) 

Vous pouvez aussi changer:

slew = general.ix[['BP100_Fast', '100LoBW_Fast', '100HiBW_Fast'], :] 

à:

slew = general.loc[general['CPULabel'].isin(['BP100_Fast','100LoBW_Fast','100HiBW_Fast'])]