Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas isin()方法用於過濾數據幀。isin()
方法有助於選擇在特定列中具有特定(或多個)值的行。
用法:DataFrame.isin(values)
參數:
values:Iterable,Series,List,Tuple,DataFrame或字典以檢入調用方的Series /Data Frame。
返回類型:維度布爾值的DataFrame。
要下載使用的CSV文件,請單擊此處。
Example#1:單參數過濾
在以下示例中,無論Gender =“ Male”,在“ Rows”中都將檢查行並返回布爾值係列,該值為True。然後將係列傳遞到 DataFrame 以查看新的過濾 DataFrame 。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("employees.csv")
# creating a bool series from isin()
new = data["Gender"].isin(["Male"])
# displaying data with gender = male only
data[new]
輸出:
如輸出圖像所示,僅返回性別= “Male”的行。
Example#2:多重參數過濾
在以下示例中,將根據性別和團隊過濾數據幀。返回具有性別=“女性”和團隊=“工程”,“Distribution”或“Finance”的行。
# importing pandas package
import pandas as pd
# making data frame from csv file
data = pd.read_csv("employees.csv")
# creating filters of bool series from isin()
filter1 = data["Gender"].isin(["Female"])
filter2 = data["Team"].isin(["Engineering", "Distribution", "Finance" ])
# displaying data with both filter applied and mandatory
data[filter1 & filter2]
輸出:
如輸出圖像所示,返回Gender =“ Female”和Team =“ Engineering”,“Distribution”或“Finance”的行。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Kartikaybhutani大神的英文原創作品 Python | Pandas DataFrame.isin()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。