Python 如果列中的值在一组值列表中,则筛选数据帧行
我有一个Python数据帧Python 如果列中的值在一组值列表中,则筛选数据帧行,python,pandas,dataframe,Python,Pandas,Dataframe,我有一个Python数据帧rpt: rpt <class 'pandas.core.frame.DataFrame'> MultiIndex: 47518 entries, ('000002', '20120331') to ('603366', '20091231') Data columns: STK_ID 47518 non-null values STK_Name 47518 non-null val
rpt
:
rpt
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 47518 entries, ('000002', '20120331') to ('603366', '20091231')
Data columns:
STK_ID 47518 non-null values
STK_Name 47518 non-null values
RPT_Date 47518 non-null values
sales 47518 non-null values
我想把一些股票的所有行放在一起,比如['600809','600141','600329']
。这意味着我需要这样的语法:
stk_list = ['600809','600141','600329']
rst = rpt[rpt['STK_ID'] in stk_list] # this does not works in pandas
既然熊猫不接受上述命令,如何实现目标 使用
isin
方法:
rpt[rpt['STK_ID'].isin(STK_列表)]
使用isin
方法:
rpt[rpt['STK_ID'].isin(STK_列表)]
您还可以通过以下方式使用范围:
b = df[(df['a'] > 1) & (df['a'] < 5)]
b=df[(df['a']>1)和(df['a']<5)]
您还可以通过以下方式使用范围:
b = df[(df['a'] > 1) & (df['a'] < 5)]
b=df[(df['a']>1)和(df['a']<5)]
isin()
如果您有精确匹配的列表,则是理想的选择,但是如果您有要查找的部分匹配或子字符串列表,则可以使用方法和正则表达式进行筛选
例如,如果我们想要返回一个数据帧,其中所有股票ID以'600'
开头,然后后跟任意三位数字:
>>> rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')] # ^ means start of string
... STK_ID ... # [0-9]{3} means any three digits
... '600809' ... # $ means end of string
... '600141' ...
... '600329' ...
... ... ...
假设现在我们有一个字符串列表,我们希望'STK_ID'
中的值以其结尾,例如
endstrings = ['01$', '02$', '05$']
我们可以将这些字符串与regex'或'character|
连接起来,并将字符串传递给str.contains
以过滤数据帧:
>>> rpt[rpt['STK_ID'].str.contains('|'.join(endstrings)]
... STK_ID ...
... '155905' ...
... '633101' ...
... '210302' ...
... ... ...
最后,contains
可以忽略大小写(通过设置case=False
),允许您在指定要匹配的字符串时更加通用
比如说,
str.contains('pandas', case=False)
将匹配PANDAS
、PANDAS
、paNdAs123
,等等。isin()
如果您有精确匹配的列表,则非常理想,但如果您有要查找的部分匹配或子字符串列表,则可以使用该方法和正则表达式进行筛选
例如,如果我们想要返回一个数据帧,其中所有股票ID以'600'
开头,然后后跟任意三位数字:
>>> rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')] # ^ means start of string
... STK_ID ... # [0-9]{3} means any three digits
... '600809' ... # $ means end of string
... '600141' ...
... '600329' ...
... ... ...
假设现在我们有一个字符串列表,我们希望'STK_ID'
中的值以其结尾,例如
endstrings = ['01$', '02$', '05$']
我们可以将这些字符串与regex'或'character|
连接起来,并将字符串传递给str.contains
以过滤数据帧:
>>> rpt[rpt['STK_ID'].str.contains('|'.join(endstrings)]
... STK_ID ...
... '155905' ...
... '633101' ...
... '210302' ...
... ... ...
最后,contains
可以忽略大小写(通过设置case=False
),允许您在指定要匹配的字符串时更加通用
比如说,
str.contains('pandas', case=False)
将匹配PANDAS
、PANDAS
、paNdAs123
,等等。您也可以直接使用数据帧获取此信息
rpt.query('STK_ID in (600809,600141,600329)')
或类似地搜索范围:
rpt.query('60000 < STK_ID < 70000')
rpt.query('60000
您也可以直接从数据帧获取此信息
rpt.query('STK_ID in (600809,600141,600329)')
或类似地搜索范围:
rpt.query('60000 < STK_ID < 70000')
rpt.query('60000
您可以使用查询
,即:
b = df.query('a > 1 & a < 5')
b=df.query('a>1&a<5')
您可以使用查询
,即:
b = df.query('a > 1 & a < 5')
b=df.query('a>1&a<5')
使用熊猫切片数据
给定这样的数据帧:
RPT_Date STK_ID STK_Name sales
0 1980-01-01 0 Arthur 0
1 1980-01-02 1 Beate 4
2 1980-01-03 2 Cecil 2
3 1980-01-04 3 Dana 8
4 1980-01-05 4 Eric 4
5 1980-01-06 5 Fidel 5
6 1980-01-07 6 George 4
7 1980-01-08 7 Hans 7
8 1980-01-09 8 Ingrid 7
9 1980-01-10 9 Jones 4
mask = df['STK_ID'].isin([4, 2, 6])
mask
0 False
1 False
2 True
3 False
4 True
5 False
6 True
7 False
8 False
9 False
Name: STK_ID, dtype: bool
df[mask]
RPT_Date STK_ID STK_Name sales
2 1980-01-03 2 Cecil 2
4 1980-01-05 4 Eric 4
6 1980-01-07 6 George 4
有多种选择或切片数据的方法
使用.isin
最明显的是.isin
功能。您可以创建一个掩码,为您提供一系列True
/False
语句,这些语句可应用于以下数据帧:
RPT_Date STK_ID STK_Name sales
0 1980-01-01 0 Arthur 0
1 1980-01-02 1 Beate 4
2 1980-01-03 2 Cecil 2
3 1980-01-04 3 Dana 8
4 1980-01-05 4 Eric 4
5 1980-01-06 5 Fidel 5
6 1980-01-07 6 George 4
7 1980-01-08 7 Hans 7
8 1980-01-09 8 Ingrid 7
9 1980-01-10 9 Jones 4
mask = df['STK_ID'].isin([4, 2, 6])
mask
0 False
1 False
2 True
3 False
4 True
5 False
6 True
7 False
8 False
9 False
Name: STK_ID, dtype: bool
df[mask]
RPT_Date STK_ID STK_Name sales
2 1980-01-03 2 Cecil 2
4 1980-01-05 4 Eric 4
6 1980-01-07 6 George 4
掩蔽是问题的临时解决方案,但在速度和内存方面并不总是表现良好
带索引
通过将索引设置为STK_ID
列,我们可以使用pandas内置的切片对象.loc
df.set_index('STK_ID', inplace=True)
RPT_Date STK_Name sales
STK_ID
0 1980-01-01 Arthur 0
1 1980-01-02 Beate 4
2 1980-01-03 Cecil 2
3 1980-01-04 Dana 8
4 1980-01-05 Eric 4
5 1980-01-06 Fidel 5
6 1980-01-07 George 4
7 1980-01-08 Hans 7
8 1980-01-09 Ingrid 7
9 1980-01-10 Jones 4
df.loc[[4, 2, 6]]
RPT_Date STK_Name sales
STK_ID
4 1980-01-05 Eric 4
2 1980-01-03 Cecil 2
6 1980-01-07 George 4
这是一种快速的方法,即使索引可能需要一点时间,但如果您想执行这样的多个查询,也可以节省时间
合并数据帧
这也可以通过合并数据帧来实现。这更适合于比这些示例中的数据多得多的场景
stkid_df = pd.DataFrame({"STK_ID": [4,2,6]})
df.merge(stkid_df, on='STK_ID')
STK_ID RPT_Date STK_Name sales
0 2 1980-01-03 Cecil 2
1 4 1980-01-05 Eric 4
2 6 1980-01-07 George 4
注
即使有多行具有相同的'STK_ID'
使用pandas切片数据,上述所有方法也可以工作
给定这样的数据帧:
RPT_Date STK_ID STK_Name sales
0 1980-01-01 0 Arthur 0
1 1980-01-02 1 Beate 4
2 1980-01-03 2 Cecil 2
3 1980-01-04 3 Dana 8
4 1980-01-05 4 Eric 4
5 1980-01-06 5 Fidel 5
6 1980-01-07 6 George 4
7 1980-01-08 7 Hans 7
8 1980-01-09 8 Ingrid 7
9 1980-01-10 9 Jones 4
mask = df['STK_ID'].isin([4, 2, 6])
mask
0 False
1 False
2 True
3 False
4 True
5 False
6 True
7 False
8 False
9 False
Name: STK_ID, dtype: bool
df[mask]
RPT_Date STK_ID STK_Name sales
2 1980-01-03 2 Cecil 2
4 1980-01-05 4 Eric 4
6 1980-01-07 6 George 4
有多种选择或切片数据的方法
使用.isin
最明显的是.isin
功能。您可以创建一个掩码,为您提供一系列True
/False
语句,这些语句可应用于以下数据帧:
RPT_Date STK_ID STK_Name sales
0 1980-01-01 0 Arthur 0
1 1980-01-02 1 Beate 4
2 1980-01-03 2 Cecil 2
3 1980-01-04 3 Dana 8
4 1980-01-05 4 Eric 4
5 1980-01-06 5 Fidel 5
6 1980-01-07 6 George 4
7 1980-01-08 7 Hans 7
8 1980-01-09 8 Ingrid 7
9 1980-01-10 9 Jones 4
mask = df['STK_ID'].isin([4, 2, 6])
mask
0 False
1 False
2 True
3 False
4 True
5 False
6 True
7 False
8 False
9 False
Name: STK_ID, dtype: bool
df[mask]
RPT_Date STK_ID STK_Name sales
2 1980-01-03 2 Cecil 2
4 1980-01-05 4 Eric 4
6 1980-01-07 6 George 4
掩蔽是问题的临时解决方案,但在速度和内存方面并不总是表现良好
带索引
通过将索引设置为STK_ID
列,我们可以使用pandas内置的切片对象.loc
df.set_index('STK_ID', inplace=True)
RPT_Date STK_Name sales
STK_ID
0 1980-01-01 Arthur 0
1 1980-01-02 Beate 4
2 1980-01-03 Cecil 2
3 1980-01-04 Dana 8
4 1980-01-05 Eric 4
5 1980-01-06 Fidel 5
6 1980-01-07 George 4
7 1980-01-08 Hans 7
8 1980-01-09 Ingrid 7
9 1980-01-10 Jones 4
df.loc[[4, 2, 6]]
RPT_Date STK_Name sales
STK_ID
4 1980-01-05 Eric 4
2 1980-01-03 Cecil 2
6 1980-01-07 George 4
这是一种快速的方法,即使索引可能需要一点时间,但如果您想执行这样的多个查询,也可以节省时间
合并数据帧
这也可以通过合并数据帧来实现。这更适合于比这些示例中的数据多得多的场景
stkid_df = pd.DataFrame({"STK_ID": [4,2,6]})
df.merge(stkid_df, on='STK_ID')
STK_ID RPT_Date STK_Name sales
0 2 1980-01-03 Cecil 2
1 4 1980-01-05 Eric 4
2 6 1980-01-07 George 4
注
即使有多行具有相同的“STK\U ID”您也可以通过使用“查询”和@获得类似的结果,上述所有方法都有效: 例如:
您还可以使用“查询”和@获得类似的结果: 例如:
对这一点的否定是什么呢?<代码>的正确方式是什么!isin()?@dbyte:您只需使用
~
运算符:rpt[~rpt['STK_ID'].isin(STK_list)]
与@mathtick询问的内容相关:是否有一种方法可以对索引(不一定是多索引)执行此操作@user1669710:索引也有一个isin
方法。如果有人需要索引的语法:df[df.index.isin(ls)]
在哪里ls是你的列表呢?对它的否定是什么呢?!isin()
?@dbyte:你只需要使用~
操作符:rpt[~rpt['STK\u ID'].isin(STK\u list)]
与@mathdick问的问题相关:一般来说,有什么方法可以在索引上这样做吗(不一定