pandas的isin()函数对异常值所在行的处理_df[df[''].isin([])-优快云博客

本文链接：https://blog.youkuaiyun.com/weixin_44227356/article/details/120685712

本文介绍了如何在Python的pandas库中使用isin()函数来筛选和删除异常值所在的行。首先，文章讲解了如何单列筛选异常值，接着展示了如何根据多个列同时满足条件来筛选异常值行，包括筛选每列都有异常值的行和至少一列有异常值的行。最后，文章详细说明了如何通过布尔操作删除这些异常值行。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

pandas的isin函数对异常值所在行的处理

- - - 首先导入库和读取文件
    - 筛选出异常值所在行
    - - 单列筛选
      - 多列筛选（同时满足用&连接，或的话用 | 连接）
    - 删除异常值所在行

首先导入库和读取文件

import pandas as pd
df = pd.read_csv('german_clean.csv',header=0)

在这里插入图片描述

筛选出异常值所在行

单列筛选

# df[df[列名].isin([异常值])]
# df[列名].isin([异常值])对当前列中存在异常值的行会返回True，不存在的返回False
# 假设checking_status列中异常值为A11
df[df['checking_status'].isin(['A11'])]

在这里插入图片描述
异常值可以是多个，如

df[df['checking_status'].isin(['A11','A12'])]

多列筛选（同时满足用&连接，或的话用 | 连接）

筛选出每列都有异常值的行

# df[df[列名].isin([异常值])& df[列名].isin([异常值])]
df[df['checking_status'].isin(['A11','A12'])&df['purpose'].isin(['A43'])]

在这里插入图片描述

筛选出至少有一列有异常值的行

# df[df[列名].isin([异常值])| df[列名].isin([异常值])]
df[df['checking_status'].isin(['A11','A12'])|df['purpose'].isin(['A43'])]

删除异常值所在行

因为isin()返还的是boolean的DataFrame，在里面的是True，不在里面的是False，所以我们只需要对它进行异或取反即可。

# df[True^df[列名].isin([异常值])]
df[True^df['checking_status'].isin(['A11'])]

在这里插入图片描述
同理，多行删除只需要套个括号将其视为整体再取反即可

df[True^(df['checking_status'].isin(['A11','A12'])|df['purpose'].isin(['A43']))]
df[True^(df['checking_status'].isin(['A11','A12'])&df['purpose'].isin(['A43']))]

在这里插入图片描述