Kaip ieškoti duomenų rėmelių naudojant pandas isin()

Python pandas funkcija DataFrame.isin() yra skirta greitai ir efek­ty­viai pa­tik­rin­ti, ar tam tikros reikšmės eg­zis­tuo­ja DataFrame. Ši funkcija yra ypač naudinga, kai reikia pa­tik­rin­ti kelias reikšmes vienu metu.

Kokia yra pandas isin() sintaksė?

Pandas isin() naudoja vieną parametrą ir atrodo taip:

DataFrame.isin(values)

values pa­ra­met­ras gali būti Python sąrašas, Python žodynas arba kitas DataFrame. Jis apima vertes, kurias norite ieškoti DataFrame.

Kaip naudoti isin() su duomenų rėmeliais pandas

isin() galite naudoti įvairiais tikslais. Be verčių tikrinimo, jį taip pat galima naudoti duomenų rėmams filtruoti.

Vertės stul­pe­ly­je tik­ri­ni­mas

Pir­miau­sia pa­žvel­ki­me į duomenų rėmelį, kuriame yra in­for­ma­ci­ja apie skir­tin­gus žmones ir jų gy­ve­na­mą­sias vietas.

import pandas as pd
# Creating a DataFrame
data = {
    'Name': ['Amir', 'Bella', 'Charlize', 'David'],
    'City': ['Nottingham', 'London', 'Cardiff', 'Hull']
}
df = pd.DataFrame(data)
print(df)

Duomenų rėmelis atrodo taip:

Name      City
0    Amir    	Nottingham
1    Bella  	London
2    Charlize   Cardiff
3    David    Hull

Dabar norime naudoti pandas isin(), kad pa­tik­rin­tu­me, ar stul­pe­ly­je „Miestas“ esantys miestai yra mūsų sukurtame atskirame miestų sąraše. Sukūrę sąrašą su atskaitos miestais, paleisime funkciją stul­pe­ly­je „Miestas“ duomenų rėmoje:

# Cities for the list to be compared to
cities_to_check_against = ['Cardiff', 'Hull', 'Middlesbrough']
# Using the isin() method
result = df['City'].isin(cities_to_check_against)
print(result)

Re­zul­ta­tas – tai boolių verčių serija, nurodanti, ar kiek­vie­nas miestas stul­pe­ly­je „Miestas“ yra įtrauktas į cities_to_check_against sąrašą:

0    False
1    False
2     True
3     True
Name: City, dtype: bool

Duomenų rėmo fil­t­ra­vi­mas naudojant isin()

Taip pat galite naudoti pandas isin(), kad fil­t­ruo­tu­mė­te DataFrame, paliekant tik eilutes su miestais, kurie yra cities_to_check_against sąraše.

# Filtering a DataFrame using isin()
filtered_df = df[df['City'].isin(cities_to_check_against)]
print(filtered_df)

Re­zul­ta­tas yra DataFrame, kuriame yra tik eilutės su miestais, kurie taip pat yra cities_to_check_against sąraše:

Name    	City
2  Charlize  	Cardiff
3  David  		Hull

Kelių stulpelių tik­ri­ni­mas duomenų rėmelio

Su­dė­tin­ges­nėms fil­t­ra­vi­mo ope­ra­ci­joms taip pat galite naudoti pandas isin() su žodynais. Toliau pa­teik­ta­me pavyzdyje pa­ma­ty­si­te, kaip žodynu galima vienu metu pa­tik­rin­ti kelis DataFrame stul­pe­lius. Pir­miau­sia pridėsime stulpelį prie pradinio DataFrame, tada naudodami isin():

# Creating a DataFrame
data = {
    'Name': ['Amir', 'Bella', 'Charlize', 'David'],
    'City': ['Nottingham', 'London', 'Cardiff', 'Hull'],
    'Age': [25, 30, 35, 40]
}
df = pd.DataFrame(data)
# Dictionary with values that the DataFrame should be checked against
values_to_check_against = {
    'City': ['Cardiff', 'Hull'],
    'Age': [30, 40]
}
# Using isin() with a dictionary
result = df.isin(values_to_check_against)
print(result)

Šiuo atveju, iškvietus isin(), grą­ži­na­mas DataFrame su Būlio vertėmis, kurios nurodo, ar kiek­vie­no­je skiltyje buvo įvykdytos sąlygos:

Name  City  Age
0  False  False  False
1  False  False   True
2  False   True  False
3  False   True   True