如何从DataFrame中选取Comment_ID为单数字浮点数的行以提取顶级评论
问题解决思路
你之前使用的 df[df['Comment_ID'] == 1.0] 是硬匹配单条ID值,自然只能返回1.0对应的单条顶级评论;你尝试写的 df['Comment_ID'] == 1.0:300.0 属于Python列表切片语法,不能直接套用在pandas的布尔筛选逻辑中。
按照你定义的顶级评论判定规则(小数位为0的Comment_ID对应顶级评论,带非零小数位的是对应回复),可根据实际筛选范围选择以下两种实现方式:
1. 筛选全量顶级评论,不受ID范围限制
利用浮点数的取模特性即可快速匹配:任意浮点数对1取余的结果就是自身的小数部分,只要余数为0,就完全符合顶级评论的判定标准。
基础版本代码:
# 自动识别所有小数部分为0的行,即全部顶级评论 df_top = df[df['Comment_ID'] % 1 == 0]
如果存在浮点数存储精度导致的误判(比如原本是1.0的数值因计算偏差变成0.999999998),可替换为带容差的判断版本,避免漏筛:
df_top = df[abs(df['Comment_ID'] % 1) < 1e-6]
2. 筛选指定ID区间内的顶级评论
如果你确实需要只提取ID在1.0~300.0闭区间内的顶级评论(也就是你最初想实现的批量范围选择效果),可以用pandas内置的between()方法叠加顶级评论判定:
df_top = df[df['Comment_ID'].between(1.0, 300.0) & (df['Comment_ID'] % 1 == 0)]
注意:范围筛选时如果不叠加“小数部分为0”的判定,会把区间内所有带非零小数位的回复行也一起选入,不符合提取要求。
内容的提问来源于stack exchange,提问作者thafra
相关产品推荐
相关产品推荐

