Как отфильтровать фрейм данных Pandas,используя 'in' и 'not in',как это делается в SQL.

python pandas dataframe sql-function


Как я могу получить эквиваленты SQL IN , а NOT IN ?

У меня есть список с нужными значениями.Вот сценарий:

df = pd.DataFrame({'countries':['US','UK','Germany','China']})
countries = ['UK','China']

# pseudo-code:
df[df['countries'] not in countries]

В настоящее время я делаю это следующим образом:

df = pd.DataFrame({'countries':['US','UK','Germany','China']})
countries = pd.DataFrame({'countries':['UK','China'], 'matched':True})

# IN
df.merge(countries,how='inner',on='countries')

# NOT IN
not_in = df.merge(countries,how='left',on='countries')
not_in = not_in[pd.isnull(not_in['matched'])]

Но это похоже на ужасное пятно.Кто-нибудь может его улучшить?





Answer 1 DSM


Вы можете использовать pd.Series.isin .

Для «IN» используйте : something.isin(somewhere)

Или для «НЕ В»: ~something.isin(somewhere)

В качестве сработанного примера:

>>> df
  countries
0        US
1        UK
2   Germany
3     China
>>> countries
['UK', 'China']
>>> df.countries.isin(countries)
0    False
1     True
2    False
3     True
Name: countries, dtype: bool
>>> df[df.countries.isin(countries)]
  countries
1        UK
3     China
>>> df[~df.countries.isin(countries)]
  countries
0        US
2   Germany



Answer 2 MaxU


Альтернативное решение, использующее метод .query () :

In [5]: df.query("countries in @countries")
Out[5]:
  countries
1        UK
3     China

In [6]: df.query("countries not in @countries")
Out[6]:
  countries
0        US
2   Germany



Answer 3 cs95


Как внедрить "в" и "не в" для панд DataFrame?

Pandas предлагает два метода: Series.isin и DataFrame.isin для Series и DataFrames соответственно.


Фильтр-кадр DataFrame На основе ОДНОЙ колонки (также относится к серии)

Наиболее распространенный сценарий - применение условия isin к определенному столбцу для фильтрации строк в DataFrame.

df = pd.DataFrame({'countries': ['US', 'UK', 'Germany', np.nan, 'China']})
df
  countries
0        US
1        UK
2   Germany
3     China

c1 = ['UK', 'China']             # list
c2 = {'Germany'}                 # set
c3 = pd.Series(['China', 'US'])  # Series
c4 = np.array(['US', 'UK'])      # array

Series.isin принимает различные типы в качестве входных данных. Ниже приведены все действительные способы получить то, что вы хотите:

df['countries'].isin(c1)

0    False
1     True
2    False
3    False
4     True
Name: countries, dtype: bool

# `in` operation
df[df['countries'].isin(c1)]

  countries
1        UK
4     China

# `not in` operation
df[~df['countries'].isin(c1)]

  countries
0        US
2   Germany
3       NaN

# Filter with `set` (tuples work too)
df[df['countries'].isin(c2)]

  countries
2   Germany

# Filter with another Series
df[df['countries'].isin(c3)]

  countries
0        US
4     China

# Filter with array
df[df['countries'].isin(c4)]

  countries
0        US
1        UK

Фильтр на колоннах MANY

Иногда Вы захотите применить проверку "в" членства с некоторыми поисковыми терминами по нескольким столбцам,

df2 = pd.DataFrame({
    'A': ['x', 'y', 'z', 'q'], 'B': ['w', 'a', np.nan, 'x'], 'C': np.arange(4)})
df2

   A    B  C
0  x    w  0
1  y    a  1
2  z  NaN  2
3  q    x  3

c1 = ['x', 'w', 'p']

Чтобы применить условие isin к обоим столбцам «A» и «B», используйте DataFrame.isin :

df2[['A', 'B']].isin(c1)

      A      B
0   True   True
1  False  False
2  False  False
3  False   True

Исходя из этого, чтобы сохранить строки, в которых хотя бы один столбец равен True , мы можем использовать any по первой оси:

df2[['A', 'B']].isin(c1).any(axis=1)

0     True
1    False
2    False
3     True
dtype: bool

df2[df2[['A', 'B']].isin(c1).any(axis=1)]

   A  B  C
0  x  w  0
3  q  x  3

Обратите внимание,что если вы хотите провести поиск по каждому столбцу,вы просто пропустите шаг выбора столбца и сделаете следующее

df2.isin(c1).any(axis=1)

Аналогично, чтобы сохранить строки, в которых ВСЕ столбцы имеют значение True , используйте all же, как и раньше.

df2[df2[['A', 'B']].isin(c1).all(axis=1)]

   A  B  C
0  x  w  0

Примечательные упоминания: numpy.isin , query , списки (строковые данные)

В дополнение к методам, описанным выше, вы также можете использовать numpy.isin эквивалент: numpy.isin .

# `in` operation
df[np.isin(df['countries'], c1)]

  countries
1        UK
4     China

# `not in` operation
df[np.isin(df['countries'], c1, invert=True)]

  countries
0        US
2   Germany
3       NaN

Почему стоит задуматься? Функции NumPy обычно немного быстрее, чем их эквиваленты в pandas, из-за меньших накладных расходов. Так как это поэлементная операция, которая не зависит от выравнивания индекса, очень мало ситуаций, когда этот метод не является подходящей заменой для isin панд .

Процедуры Pandas обычно итеративны при работе со строками, потому что строковые операции трудно векторизовать. Существует много доказательств того, что составление списков здесь будет быстрее. , Мы прибегаем к in настоящее чеку.

c1_set = set(c1) # Using `in` with `sets` is a constant time operation... 
                 # This doesn't matter for pandas because the implementation differs.
# `in` operation
df[[x in c1_set for x in df['countries']]]

  countries
1        UK
4     China

# `not in` operation
df[[x not in c1_set for x in df['countries']]]

  countries
0        US
2   Germany
3       NaN

Однако,указывать его гораздо сложнее,поэтому не используйте его,если не знаете,что делаете.

Наконец, есть также DataFrame.query , который был рассмотрен в этом ответе . Numxpr FTW!




Answer 4 Kos


Обычно я делаю общую фильтрацию по таким рядам:

criterion = lambda row: row['countries'] not in countries
not_in = df[df.apply(criterion, axis=1)]



Answer 5 Sam Henderson


Я хотел отфильтровать строки dfbc,которые имеют BUSINESS_ID,который также находится в BUSINESS_ID dfProfilesBusIds.

dfbc = dfbc[~dfbc['BUSINESS_ID'].isin(dfProfilesBusIds['BUSINESS_ID'])]