pandas is in和not in的使用说明

时间:2021-05-23

简介

pandas按条件筛选数据时,除了使用query()方法,还可以使用isin和对isin取反进行条件筛选.

代码

import pandas as pd df = pd.DataFrame({'a':[1, 2, 3, 4, 5, 6], 'b':[1, 2, 3, 4, 5, 6], 'c':[1, 2, 3, 4, 5, 6]}) filter_condition = {'a':[1, 2, 3]} df_in = df[df.isin(filter_condition)['a']] df_notin = df[~df.isin(filter_condition)['a']]df.isin(filter_condition) a b c0 True True False1 True True False2 True False False3 False False False4 False False False5 False False False

使用总结

pandas使用isin时,返回DataFrame中存储的数据为是否满足筛选条件的boolean,可以通过boolean对DataFrame对数据进行筛选。

补充:pandas中isin()函数及其逆函数使用

我使用这个函数就是用来清洗数据,删选过滤掉DataFrame中一些行。

布尔索引

这里你需要知道DateFrame中布尔索引这个东西,可以用满足布尔条件的列值来过滤数据,如下

>>> df=pd.DataFrame(np.random.randn(4,4),columns=['A','B','C','D'])>>> df A B C D0 -0.018330 2.093506 -0.086293 -2.1504791 0.104931 -0.271810 -0.054599 0.3616122 0.590216 0.218049 0.157213 0.6435403 -0.254449 -0.593278 -0.150455 -0.244485>>> df.A>0#布尔索引0 False1 True2 True3 FalseName: A, dtype: bool#布尔索引应用>>> df[df.A>0] A B C D1 0.104931 -0.271810 -0.054599 0.3616122 0.590216 0.218049 0.157213 0.643540>>>

isin()

添加一列E

>>> df['E']=['a','a','c','b']>>> df A B C D E0 -0.018330 2.093506 -0.086293 -2.150479 a1 0.104931 -0.271810 -0.054599 0.361612 a2 0.590216 0.218049 0.157213 0.643540 c3 -0.254449 -0.593278 -0.150455 -0.244485 b>>> df.E.isin(['a','c'])0 True1 True2 True3 FalseName: E, dtype: bool>>> df.isin(['b','c'])#整个df也同样适用 A B C D E0 False False False False False1 False False False False False2 False False False False True3 False False False False True#应用>>> df[df.E.isin(['a','c'])] A B C D E0 -0.018330 2.093506 -0.086293 -2.150479 a1 0.104931 -0.271810 -0.054599 0.361612 a2 0.590216 0.218049 0.157213 0.643540 c>>>

isin()接受一个列表,判断该列中元素是否在列表中。

同时对多个列过滤,可以如下使用

df[df[某列].isin(条件)&df[某列].isin(条件)]#应用>>> df.D=[0,1,0,2]>>> df[df.E.isin(['a','d'])&df.D.isin([0,])] A B C D E0 -0.01833 2.093506 -0.086293 0 a

也可以

不推荐,你试一下就知道

df.isin({'某列':[条件],'某列':[条件],})#应用>>> df.D=[0,1,0,2]>>> df A B C D E0 -0.018330 2.093506 -0.086293 0 a1 0.104931 -0.271810 -0.054599 1 a2 0.590216 0.218049 0.157213 0 c3 -0.254449 -0.593278 -0.150455 2 b>>> df[df.isin({'D':[0,3],'E':['a','d']})] A B C D E0 NaN NaN NaN 0.0 a1 NaN NaN NaN NaN a2 NaN NaN NaN 0.0 NaN3 NaN NaN NaN NaN NaN#没错这不适合选出一行>>> df.isin({'D':[0,3],'E':['a','d']}) A B C D E0 False False False True True1 False False False False True2 False False False True False3 False False False False False

isin()的逆函数

告诉你没有isnotin,它的反函数就是在前面加上 ~ ,其他用法同上。

以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章