如何实现SQL的在中和不在中的等价物？
我有一个包含所需值的列表。 这是一个场景:
df = pd.DataFrame({'countries':['US','UK','Germany','China']})
countries = ['UK','China']
# pseudo-code:
df[df['countries'] not in countries]
我现在这样做的方式如下:
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'])]
但这看起来像是个可怕的玩意儿。 有人能改进吗？
您可以使用pd.series.isin。
对于“in”，使用:something.isin（somethere)
或者“不在”:~something.isin（somethere)
作为一个实例:
>>> 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
使用。query（）方法的替代解决方案:
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
Pandas提供了两种方法:Series.isin和dataframe.isin分别用于序列和数据帧。
最常见的情况是对特定列应用isin条件来筛选数据框架中的行。
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
null
series.isin接受各种类型作为输入。 以下是获得你想要的所有有效方法:
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
null
# Filter with `set` (tuples work too)
df[df['countries'].isin(c2)]
countries
2 Germany
null
# Filter with another Series
df[df['countries'].isin(c3)]
countries
0 US
4 China
null
# Filter with array
df[df['countries'].isin(c4)]
countries
0 US
1 UK
有时，您会希望对多列的某些搜索项应用“入”成员资格检查，
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']
要将isin条件应用于列“A”和“B”，请使用dataframe.isin:
df2[['A', 'B']].isin(c1)
A B
0 True True
1 False False
2 False False
3 False True
由此，要保留至少有一列为true的行，我们可以沿着第一个轴使用any:
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
注意，如果要搜索每一列，只需省略列选择步骤，然后
df2.isin(c1).any(axis=1)
类似地，若要保留所有列都为true的行，请以与前面相同的方式使用ALL。
df2[df2[['A', 'B']].isin(c1).all(axis=1)]
A B C
0 x w 0
除了上面描述的方法之外，您还可以使用numpy等效项: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
为什么值得考虑？ NumPy函数通常比它们的pandas等效函数快一点，因为开销更低。 由于这是一个不依赖于索引对齐的元素操作，因此很少情况下这种方法不是Pandas的isin的适当替代。
Pandas例程在处理字符串时通常是迭代的，因为字符串操作很难向量化。 有很多证据表明在这里列表理解会更快。 我们现在使用in检查。
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
但是，指定它要麻烦得多，所以除非你知道你在做什么，否则不要使用它。
最后，还有dataframe.query，本答案中已经介绍了它。 numexpr FTW！
