Explication détaillée de l'exemple de code de la méthode pandas.DataFrame d'exclusion de lignes spécifiques en python-Tutoriel Python-php.cn

Explication détaillée de l'exemple de code de la méthode pandas.DataFrame d'exclusion de lignes spécifiques en python

高洛峰

Libérer： 2017-03-25 13:39:44

original

3823 Les gens l'ont consulté

Cet article vous donne principalement une explication détaillée de l'exemple de code de pandas.DataFrame en python pour exclure des lignes spécifiques. Je pense qu'il a une certaine valeur de référence pour la compréhension et l'apprentissage de chacun. ceux qui en ont besoin peuvent venir jeter un oeil ci-dessous.

pandas.DataFrame exclut des lignes spécifiques

Si nous voulons filtrer une ou certaines lignes comme Excel, nous pouvons utiliser la méthode

, transmettre les valeurs des lignes requises dans une liste, ou vous pouvez transmettre un dictionnaire et spécifier les colonnes à filtrer. isin()

Mais si nous voulons uniquement tout le contenu qui ne contient pas de ligne spécifique, il n'y a pas de méthode

. J'ai rencontré un tel besoin au travail aujourd'hui. Après avoir fréquemment cherché, j'ai découvert que je ne pouvais utiliser isnotin() que d'une autre manière pour répondre à ce besoin. isin()

L'exemple est le suivant :

In [3]: df = pd.DataFrame([[&#39;GD&#39;, &#39;GX&#39;, &#39;FJ&#39;], [&#39;SD&#39;, &#39;SX&#39;, &#39;BJ&#39;], [&#39;HN&#39;, &#39;HB&#39;
 ...: , &#39;AH&#39;], [&#39;HEN&#39;, &#39;HEN&#39;, &#39;HLJ&#39;], [&#39;SH&#39;, &#39;TJ&#39;, &#39;CQ&#39;]], columns=[&#39;p1&#39;, &#39;p2
 ...: &#39;, &#39;p3&#39;])

In [4]: df
Out[4]:
 p1 p2 p3
0 GD GX FJ
1 SD SX BJ
2 HN HB AH
3 HEN HEN HLJ
4 SH TJ CQ

Copier après la connexion

Si vous voulez uniquement les deux lignes où p1 est GD et HN, vous pouvez faire ceci :

In [8]: df[df.p1.isin([&#39;GD&#39;, &#39;HN&#39;])]
Out[8]:
 p1 p2 p3
0 GD GX FJ
2 HN HB AH

Copier après la connexion

Mais si l'on veut des données autres que ces deux lignes, il faut faire un détour.

Le principe est d'abord de retirer p1 et de le convertir en liste, puis de supprimer les lignes (valeurs) inutiles de la liste, puis d'utiliser

isin()

dans le DataFrame

In [9]: ex_list = list(df.p1)

In [10]: ex_list.remove(&#39;GD&#39;)

In [11]: ex_list.remove(&#39;HN&#39;)

In [12]: ex_list
Out[12]: [&#39;SD&#39;, &#39;HEN&#39;, &#39;SH&#39;]

In [13]: df[df.p1.isin(ex_list)]
Out[13]:
 p1 p2 p3
1 SD SX BJ
3 HEN HEN HLJ
4 SH TJ CQ

Copier après la connexion