Python 如何确定列是否包含特定值

我试图确定Pandas列中是否有具有特定值的条目。我试着用df['id']中的x来实现这一点。我认为这是可行的，但当我给它输入一个我知道不在df['id']的

43列中的值时，它仍然返回
True
。当我将一个子集设置为仅包含与缺少的id匹配的条目的数据帧时，
df[df['id']==43]
显然，其中没有条目。如何确定Pandas数据框中的列是否包含特定值，以及为什么当前方法不起作用？（仅供参考，当我使用本节中的实现解决类似问题时，我也会遇到同样的问题）。
在系列的
中检查值是否在索引中：

In [11]: s = pd.Series(list('abc'))

In [12]: s
Out[12]: 
0    a
1    b
2    c
dtype: object

In [13]: 1 in s
Out[13]: True

In [14]: 'a' in s
Out[14]: False

一个选项是查看它是否在值中：

或python集：

In [23]: set(s)
Out[23]: {'a', 'b', 'c'}

In [24]: 'a' in set(s)
Out[24]: True

正如@DSM所指出的，直接在值上使用in可能更有效（特别是如果您只为一个值执行此操作）：

In [31]: s.values
Out[31]: array(['a', 'b', 'c'], dtype=object)

In [32]: 'a' in s.values
Out[32]: True

您也可以使用，尽管它比s.values中的
'a'长一点：

In [2]: s = pd.Series(list('abc'))

In [3]: s
Out[3]: 
0    a
1    b
2    c
dtype: object

In [3]: s.isin(['a'])
Out[3]: 
0    True
1    False
2    False
dtype: bool

In [4]: s[s.isin(['a'])].empty
Out[4]: False

In [5]: s[s.isin(['z'])].empty
Out[5]: True

但是，如果您需要为一个数据帧同时匹配多个值，那么这种方法会更加灵活（请参阅）

简单条件：

if any(str(elem) in ['a','b'] for elem in df['column'].tolist()):

或者使用
Series.tolist
或
Series.any
：

>>> s = pd.Series(list('abc'))
>>> s
0    a
1    b
2    c
dtype: object
>>> 'a' in s.tolist()
True
>>> (s=='a').any()
True

Series.tolist
列出了一个关于
系列
的列表，另一个我只是从一个常规的
系列
中得到一个布尔
系列
，然后检查布尔
系列
中是否有
真
s

found = df[df['Column'].str.contains('Text_to_search')]
print(found.count())

found.count（）
将包含匹配数

如果为0，则表示在列中找不到字符串。
我做了一些简单的测试：

In [10]: x = pd.Series(range(1000000))

In [13]: timeit 999999 in x.values
567 µs ± 25.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [15]: timeit x.isin([999999]).any()
9.54 ms ± 291 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [16]: timeit (x == 999999).any()
6.86 ms ± 107 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [17]: timeit 999999 in set(x)
79.8 ms ± 1.98 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [21]: timeit x.eq(999999).any()
7.03 ms ± 33.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [22]: timeit x.eq(9).any()
7.04 ms ± 60 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [24]: timeit 9 in x.values
666 µs ± 15.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

有趣的是，查找9或999999并不重要，似乎使用in语法所需的时间大致相同（必须使用二进制搜索）

似乎使用x.values是最快的，但也许在pandas中有一种更优雅的方式？
使用

df[df['id']==x].index.tolist()

如果
x
出现在
id
中，那么它将返回它所在的索引列表，否则它将给出一个空列表。
假设您的数据帧如下所示：


现在，您需要检查数据帧中是否存在文件名“80900026941984”

你可以简单地写：

if sum(df["filename"].astype("str").str.contains("80900026941984")) > 0:
    print("found")

我不想知道它是否一定是唯一的，主要是我想知道它是否存在。我认为s.values
中的
'a'对于长系列应该更快。@yHayden你知道为什么s
中的
'a'选择检查索引而不是系列的值吗？在字典中，他们检查键，但熊猫系列应该更像一个列表或数组，否？从熊猫0.24.0开始，使用
s.values
和
df.values
是非常不一致的。看见另外，
s.values
在某些情况下实际上要慢得多。@Qusailothman无论是
.to\u numpy
还是
.array
都可以在一个系列中找到，所以我不完全确定他们在提倡什么替代方案（我没有读到“高度劝阻”）。事实上，他们说。值可能不会返回numpy数组，例如，在分类数组的情况下。。。但这很好，因为
中的
仍将按预期工作（确实比numpy数组的对应项更有效），但我使用了len（find）来获取countYes len（find）是一个更好的选择。这种方法对我有效，但我必须在我的用例中包含参数
na=False
和
regex=False
，正如这里所解释的：但是string.contains执行子字符串搜索。例如：如果存在名为“head_hunter”的值。在str.中传递“head”包含匹配项，并给出错误的True。@karthikeyan它没有错。取决于搜索的上下文。如果您正在搜索地址或产品，该怎么办。您需要所有符合描述的产品。如果您将结果的顺序从最小更改为最大，那就太好了。干得好！您还可以使用函数：
s.isin（['a']）.any（）
In [24]: timeit 9 in x.values
666 µs ± 15.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [25]: timeit 9999 in x.values
647 µs ± 5.21 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [26]: timeit 999999 in x.values
642 µs ± 2.11 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [27]: timeit 99199 in x.values
644 µs ± 5.31 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [28]: timeit 1 in x.values
667 µs ± 20.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

df[df['id']==x].index.tolist()

if sum(df["filename"].astype("str").str.contains("80900026941984")) > 0:
    print("found")