Bagaimanakah Saya Boleh Menapis Pandas DataFrames Dengan Cekap Menggunakan Operator 'IN' dan 'NOT IN'?

Menapis Bingkai Data Pandas dengan "In" dan "Not In": Penyelesaian yang Lebih Ringkas

Apabila bekerja dengan bingkai data Pandas, ia selalunya diperlukan untuk menapis data berdasarkan kriteria tertentu. Satu keperluan biasa ialah mencari baris di mana lajur tertentu sepadan atau tidak sepadan dengan set nilai yang dipratentukan, serupa dengan pengendali SQL "IN" dan "NOT IN".

Alternatif kepada Gabung- Pendekatan Berasaskan

Secara tradisinya, sesetengah pengguna telah menggunakan pendekatan berasaskan gabungan untuk mencapai penapisan ini. Walaupun berfungsi, kaedah ini dianggap tidak cekap dan tidak perlu rumit.

Menggunakan pd.Series.isin

Penyelesaian yang ideal terletak pada penggunaan fungsi pd.Series.isin. Ia menyediakan kefungsian mudah untuk penapisan "IN" dan "NOT IN".

Penapisan "IN"

Untuk menapis baris yang lajur tertentu sepadan dengan sebarang nilai dalam senarai yang disediakan, gunakan:

something.isin(somewhere)

"TIDAK MASUK" Penapisan

Sebagai alternatif, untuk menapis baris yang nilai lajur tidak sepadan dengan mana-mana nilai dalam senarai yang diberikan, gunakan:

~something.isin(somewhere)

Contoh Penggunaan

Pertimbangkan perkara berikut contoh:

df = pd.DataFrame({'country': ['US', 'UK', 'Germany', 'China']})

countries_to_keep = ['UK', 'China']

df_in = df[df.country.isin(countries_to_keep)]
df_not_in = df[~df.country.isin(countries_to_keep)]

print(df_in)
print(df_not_in)

Output:

    country
1        UK
3     China
    country
0        US
2   Germany

Seperti yang ditunjukkan, pd.Series.isin menyediakan kaedah ringkas dan cekap untuk menapis bingkai data Pandas. Ia menghapuskan keperluan untuk pendekatan berasaskan gabungan yang berbelit-belit, menjadikan proses penapisan lebih mudah dan lebih berprestasi.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menapis Pandas DataFrames Dengan Cekap Menggunakan Operator 'IN' dan 'NOT IN'?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!