# Kā meklēt DataFrames, izmantojot pandas isin()

Python pandas funkcija `DataFrame.isin()` ir paredzēta, lai ātri un efektīvi pārbaudītu, **vai noteiktas vērtības pastāv DataFrame**. Šī funkcija ir īpaši noderīga, lai vienlaikus pārbaudītu vairākas vērtības.

## Kāda ir pandas `isin()` sintakse?

Pandas `isin()` pieņem vienu parametru un izskatās šādi:

```python
DataFrame.isin(values)
```

`values` parametrs var būt **Python saraksts, Python vārdnīca vai cits DataFrame**. Tas satur vērtības, kuras vēlaties meklēt DataFrame.

Tip Ja strādājat ar pandas Series, nevis DataFrames, varat izmantot līdzvērtīgu funkciju `Series.isin()`.

## Kā lietot `isin()` ar DataFrames pandas

Jūs varat izmantot `isin()` dažādiem mērķiem. Papildus vērtību pārbaudei to var izmantot arī DataFrames filtrēšanai.

### Vērtību pārbaude kolonnā

Vispirms aplūkosim DataFrame, kas satur informāciju par dažādiem cilvēkiem un to dzīvesvietām.

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

DataFrame izskatās šādi:

```none
Name      City
0    Amir    	Nottingham
1    Bella  	London
2    Charlize   Cardiff
3    David    Hull
```

Tagad mēs vēlamies izmantot pandas `isin()`, lai pārbaudītu, vai pilsētas kolonnā City ir iekļautas atsevišķā pilsētu sarakstā, kuru esam izveidojuši. Kad būsim izveidojuši sarakstu ar atsauces pilsētām, mēs palaidīsim funkciju DataFrame kolonnā „City”:

```python
# 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)
```

Rezultāts ir virkne Boole’a vērtību, kas norāda, vai katra pilsēta kolonnā “Pilsēta” ir iekļauta `cities_to_check_against` sarakstā:

```none
0    False
1    False
2     True
3     True
Name: City, dtype: bool
```

### Datu rāmja filtrēšana, izmantojot `isin()`

Jūs varat arī izmantot pandas `isin()`, lai filtrētu DataFrame, saglabājot tikai rindas ar pilsētām, kas ir iekļautas `cities_to_check_against` sarakstā.

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

Rezultāts ir DataFrame, kas satur tikai rindas ar pilsētām, kuras ir arī `cities_to_check_against` sarakstā:

```none
Name    	City
2  Charlize  	Cardiff
3  David  		Hull
```

### Vairāku kolonnu pārbaude DataFrame

Sarežģītākām filtrēšanas darbībām varat izmantot arī pandas `isin()` ar vārdnīcām. Turpmākajā piemērā redzēsiet, kā var izmantot vārdnīcu, lai vienlaikus pārbaudītu vairākas DataFrame kolonnas. Vispirms pievienosim kolonu sākotnējam DataFrame un pēc tam izmantosim `isin()`:

```python
# 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)
```

Šajā gadījumā, izsaucot `isin()`, tiek atgriezts DataFrame ar Boolean vērtībām, kas norāda, vai katrā kolonnā ir izpildīti nosacījumi:

```none
Name  City  Age
0  False  False  False
1  False  False   True
2  False   True  False
3  False   True   True
```


This is a markdown version of: [https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/python-pandas-dataframe-isin/](https://www.ionos.com/lv-lv/digitalguide/timekla-vietnes/timekla-izstrade/python-pandas-dataframe-isin/) for AI/LLM consumption.