.isin的用法

最新推荐文章于 2024-07-26 08:45:00 发布
原创 最新推荐文章于 2024-07-26 08:45:00 发布 · 9.5k 阅读 · 57 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了Pandas库中的isin函数使用方法，包括如何利用该函数进行数据筛选，实现布尔索引操作，以及如何结合具体示例进行数据处理。通过随机生成数据集并增加列的方式，展示了isin函数在实际数据操作中的应用。

.isin是pandas中DataFrame的布尔索引，可以用满足布尔条件的列值来过滤数据。用法如下。

1、随机生成一个5行4列的数据

import pandas as pd
df=pd.DataFrame(np.random.randn(5,4),columns=['A','B','C','D'])
print(df)

在这里插入图片描述
2、布尔索引据举例

print(df.A>0)
print(df[df.A>0])

在这里插入图片描述
在这里插入图片描述
3、给原数据增加一列

df['E]=['a','a','c','b','e']
print(df)

在这里插入图片描述
4、isin示例

print(df[df.E.isin(['a','c'])])

在这里插入图片描述
5、isin取反示例

print(df[~df.E.isin(['a','c'])])

在这里插入图片描述

Spark DataFrame isin方法使用
主要分享大数据相关的知识，如Spark、Hudi
06-19 2277
我的原创地址：https://dongkelun.com/2020/01/21/sparkDfIsin/ 前言 总结如何使用Spark DataFrame isin 方法 需求 查询DataFrame某列在某些值里面的内容，等于SQL IN ,如 where year in(‘2017’,‘2018’) 代码示例 isin 方法只能传集合类型，不能直接传DataFame或Column package com.dkl.blog.spark.df import org.apache.spark.sql.
【Pandas】pandas DataFrame isin
weixin_39648905的博客
04-19 1173
`pandas.DataFrame.isin(values)` 方法用于检查 DataFrame 中的每个元素是否包含在指定的值集合中。返回一个与原 DataFrame 形状相同的布尔型 DataFrame，其中每个元素表示原 DataFrame 中的对应元素是否在 `values` 中。
isin函数的使用方法
D0644727的博客
11-26 2236
在使用pd格式的时候，如果想要删除包含某一个元素的一行， features=pd.read_csv('./features.csv') features=features[~features['limit'].isin([1.0])] features.to_csv('./changed.csv') 已知12.11那一行中，limit列下的值为1.0.就会发现 ...
Python 条件筛选/过滤 isin、query、contains、loc、iloc
qq_42375376的博客
01-16 7085
日常数据分析中，经常要根据各种不同的条件从数据集中筛选出想要的数据，再进行提取、替换、修改和分析等操作，因此筛选过滤是数据分析中使用频率最高的操作之一。在刚开始用Python做数据分析的时候，常常是使用for循环在数据集中进行条件筛选，致使代码比较冗长且效率不高。本篇分享一下在python中常用的并且使用效率比较高的几种数据筛选函数：isin()、query()、contains()、loc()、iloc()等，并且探索了它们单独使用或搭配一起使用的效果。
Pandas 常用的数据表行列文本字符数据查找、替换、删除函数：df.isin, str.find,str.contains,str.replace,df.drop,df.replace
weixin_55674264的博客
01-26 9507
经常需要从一个Python pandas数据表中查找、替换、删除含有某个或某些多个符合条件的字符的数据，常用的函数df.isin, str.find,str.contains,str.replace,df.drop,df.replace，方法总结如下： 1. 直接替换或删除含有某字符 的数据行： df.replace('$','￥',regex=False) #表格里所有的美元符合‘$’替换成人民币符号 df.replace('$','',regex=False) #删除表格里所有的美元符合‘$’
【Python系列】isin用法
优快云站内信: https://i.youkuaiyun.com/#/msg/chat/qyj19920704
07-26 1万+
isin是pandas中一个非常有用的函数，用于快速检查数据结构中的元素是否存在于给定的序列中。它提供了灵活的用法，可以应用于Series和DataFrame，并且可以处理复杂的数据检查任务。👍🏻呗。❤️❤️❤️本人水平有限，如有纰漏，欢迎各位大佬评论批评指正！😄😄😄👍 👍 👍🔥🔥🔥Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙。
isin() | python
weixin_48888528的博客
01-04 1219
isin()是pandas中一个用于筛选数据的函数，它接受一个可迭代对象作为参数，并返回一个布尔值序列，表示数据是否匹配给定的条件。以下是isin()表示要应用函数的列名或Series。iterable是包含要检查的值的可迭代对象，如列表、元组、集合等。isin()函数会遍历列中的每一个值，并检查它是否存在于iterable中。如果存在，则返回True，否则返回False。以下是一个使用isin()
python中isin函数_pandas中的isin函数详解
weixin_39685459的博客
12-05 4278
今天有个同学问到，notin的逻辑，想用SQL的selectc_xxx_sfromt1leftjoint2ont1.key=t2.keywheret2.keyisNULL在Python中的逻辑来实现，实现了leftjoin了(直接用join方法)，但是不知道怎么实现wherekeyisNULL。其实，实现notin的逻辑，不用那么复杂，直接用is...
numpy判断一个数是否在数组内 numpy.isin
thompson的博客
03-13 5197
numpy.isin(element, test_elements) 详细用法请见官方文档 依次检查element中的元素是否在test_elements里面 举例： >>> element = 2*np.arange(4).reshape((2, 2)) >>> element array([[0, 2], [4, 6]]) >>> test_elements = [1, 2, 4, 8] >>> mask = np.i
Pandas:isin()用法及其注意事项
读万卷书 行万里路
01-04 3万+
正如前文所述，isin()方法可以判断DataFrame/Series中的某个值是否等于给定值。从data_4和data_5的结果可以看出：当isin()接收DataFrame类型数据时，其返回的结果相当于将两个DataFrame(一个是data，一个是isin中接收的参数)按照index和column对齐，若在相应位置上两个DataFrame的值相等则为True，否则为False。Pandas中的isin()方法可以同时判断数据是否与多个值相等，若与其中的某个值相等则返回True，否则则为False。
【Python】进阶学习：pandas--isin()用法详解
创作高质量博文，分享知识，共同进步！
03-02 6606
🚀【Python进阶】深入探索pandas之isin()方法🚀 📚一文带你精通pandas库中强大的isin()方法！从基础到高级技巧，结合示例让你轻松掌握筛选DataFrame中特定值的秘诀。🔍 📋快速筛选特定值、组合条件筛选，还能结合set数据结构提升效率！💡 🎉总结精要，让你快速回顾isin()方法的核心要点。📖 🤝期待与你共同进步，在数据处理的道路上越走越远！🌈 #pandas库 #isin方法 #数据筛选 #Python进阶 #数据处理
chatgpt赋能python：Python中isin函数的使用方法
「 虚幻私塾」
05-29 3679
isin函数是一种Python内置的函数，常用于判断一个数据是否在一个序列之中。序列可以是列表（list）、元组（tuple）、字典（dict）等等。其中，DataFrame可以是Series、DataFrame对象，values则可以是一个列表或一个字典，表示需要判断是否在其中的数据。本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT。
Python numpy.isin函数方法的使用
亮亮的专栏
08-23 1601
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中isin方法的使用。 原文地址：Python numpy.isin函数方法的使用 ...
python中isin函数_python中Isin函数是什么
weixin_42504279的博客
02-20 2万+
当我们需要在大批量的列表中查看某一个字符串，然后在进行查看每一个行列的情况，这就需要专门调用函数来实现，这里给大家展现的是Isin函数的使用，这在pandas库中是比较常见的函数使用，具体的实例使用方法在下面详细给大家案例解释，好啦，一起来详细了解学习吧~函数用法：查看某列中是否包含某个字符串返回值：布尔Series用法：123Series.isin(values)或者DataFrame.isin...
pandas中的isin函数详解
热门推荐
大数据分析实战
11-01 5万+
原文链接：http://www.datastudy.cc/to/68 今天有个同学问到，not in 的逻辑，想用 SQL 的select c_xxx_s from t1 left join t2 on t1.key=t2.key where t2.key is NULL 在 Python 中的逻辑来实现，实现了 left join 了（直接用join方法），但是不知道怎么实现where
python : isin（）使用方法
m0_63227758的博客
05-02 1257
方法会返回一个布尔类型的Series或DataFrame，对应原始数据中的每个元素，如果该元素存在于。方法主要与Pandas库中的Series和DataFrame对象关联，这个方法非常有用，特别是在进行数据筛选、数据分析或是处理缺失值等场景。将只保留fruit列为'apple'的行。中，则返回True，否则返回False。是Pandas中一个强大且灵活的方法，2.DataFrame例子。1.Series例子。
python中isin函数_Python numpy.isin函数方法的使用
weixin_39875675的博客
12-05 4884
numpy.isinnumpy.isin(element, test_elements, assume_unique=False, invert=False) [source]计算test_elements中的元素，仅在element上传递。 返回与元素具有相同形状的布尔数组，如果元素的元素在test_elements中，则返回True，否则返回False。参数 ：element ：arr...
isin函数及其反函数
Python，数据分析，机器学习，深度学习
12-18 2741
isin函数是常用的求数据交集函数，然而它的反函数并不是isnotin，而是在前面加上~，下面会做具体讲解。
pandas .isin 的用法
最新发布
07-21
### `.isin` 方法的基本功能 在 Pandas 中，`.isin` 方法用于筛选出包含指定值的数据。该方法可以应用于 `DataFrame` 或 `Series`，其返回值是一个布尔类型的对象，表示数据是否匹配给定的值列表。例如，当对一个 `Series` 使用 `.isin` 时，它会检查每个元素是否存在于提供的列表中，并返回对应的布尔值 [^1]。 ### 使用 `.isin` 过滤数据 `.isin` 方法的语法如下： ```python Series.isin(values) ``` 其中，`values` 可以是一个列表、元组、`Series` 或 `DataFrame`。当 `values` 是一个列表时，`.isin` 会检查每个元素是否存在于该列表中。例如： ```python import pandas as pd # 创建一个简单的 Series s = pd.Series(['apple', 'banana', 'cherry', 'date']) # 使用 .isin 方法过滤数据 filtered = s[s.isin(['banana', 'date'])] print(filtered) ``` 输出结果将是： ``` 1 banana 3 date dtype: object ``` 在这个例子中，`.isin` 方法返回了一个布尔 Series，用于筛选出包含 `'banana'` 和 `'date'` 的元素 [^1]。 ### 处理 DataFrame 在 `DataFrame` 中，`.isin` 方法可以用于检查多个列中的值是否匹配指定的值列表。例如： ```python # 创建一个简单的 DataFrame df = pd.DataFrame({ 'Fruit': ['apple', 'banana', 'cherry', 'date'], 'Quantity': [10, 20, 30, 40] }) # 使用 .isin 方法过滤数据 filtered_df = df[df['Fruit'].isin(['banana', 'date'])] print(filtered_df) ``` 输出结果将是： ``` Fruit Quantity 1 banana 20 3 date 40 ``` 在这个例子中，`.isin` 方法被应用于 `Fruit` 列，筛选出包含 `'banana'` 和 `'date'` 的行 [^1]。 ### 高级用法 除了基本的值匹配，`.isin` 还可以与其他 Pandas 函数结合使用，以实现更复杂的数据处理任务。例如，可以使用 `.isin` 来识别并处理缺失值： ```python # 创建一个包含缺失值的 Series s_with_nan = pd.Series(['apple', None, 'cherry', 'date']) # 使用 .isin 和 pd.isnull 检查缺失值 missing_values = s_with_nan[s_with_nan.isin(['apple', 'date']) | pd.isnull(s_with_nan)] print(missing_values) ``` 输出结果将是： ``` 0 apple 1 NaN 3 date dtype: object ``` 在这个例子中，`.isin` 方法与 `pd.isnull` 结合使用，以筛选出包含 `'apple'` 和 `'date'` 的元素，以及所有的缺失值 [^2]。 ### 处理复杂数据结构 当 `values` 是 `Series` 或 `DataFrame` 时，`.isin` 方法会检查索引和列是否匹配。例如： ```python # 创建两个 DataFrame df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]}) df2 = pd.DataFrame({'A': [2, 3], 'B': [5, 6]}) # 使用 .isin 方法检查 df1 中的行是否存在于 df2 中 result = df1.isin(df2.to_dict(orient='list')) print(result) ``` 输出结果将是： ``` A B 0 False False 1 True True 2 True True ``` 在这个例子中，`.isin` 方法检查了 `df1` 中的每一行是否存在于 `df2` 中，并返回了对应的布尔值 [^4]。 ### 总结 `.isin` 方法是 Pandas 中一个非常强大的工具，能够帮助用户快速筛选出包含指定值的数据。无论是处理简单的 `Series` 还是复杂的 `DataFrame`，`.isin` 都能提供高效的解决方案。通过与其他 Pandas 函数的结合使用，`.isin` 还能处理更复杂的数据处理任务，如识别和处理缺失值 。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值