Python 按列表中的值筛选数据帧

有一个数据帧：

  df = pd.DataFrame({'c1':['a','b','c','d'],'c2':[1,2,3,4]})

c1  c2
0   a   1
1   b   2
2   c   3
3   d   4

以及熊猫系列：

list1 = pd.Series(['b','c','e','f'])

Out[6]:
0    a
1    b
2    c
3    e

如何创建包含列表1中c1所在行的新数据框

输出：

c1  c2
0   b   2
1   c   3 

---

使用

查询

In [1133]: df.query('c1 in @list1')
Out[1133]:
  c1  c2
1  b   2
2  c   3

或者，使用

isin

In [1134]: df[df.c1.isin(list1)]
Out[1134]:
  c1  c2
1  b   2
2  c   3

---

使用

查询

In [1133]: df.query('c1 in @list1')
Out[1133]:
  c1  c2
1  b   2
2  c   3

或者，使用

isin

In [1134]: df[df.c1.isin(list1)]
Out[1134]:
  c1  c2
1  b   2
2  c   3

---

您可以使用

df.isin

：

In [582]: df[df.c1.isin(list1)]
Out[582]: 
  c1  c2
1  b   2
2  c   3

或者，如果要修改切片，请使用

df.loc

：

In [584]: df.loc[df.c1.isin(list1), :]
Out[584]: 
  c1  c2
1  b   2
2  c   3

---

您可以使用

df.isin

：

In [582]: df[df.c1.isin(list1)]
Out[582]: 
  c1  c2
1  b   2
2  c   3

或者，如果要修改切片，请使用

df.loc

：

In [584]: df.loc[df.c1.isin(list1), :]
Out[584]: 
  c1  c2
1  b   2
2  c   3

---

@JohnGalt和@COLDSPEED的答案都更加地道。请不要使用这些答案。它们旨在使

pandas

和

numpy

api的其他部分变得有趣和具有说明性

Alt 1
这是利用

numpy.inad

作为

pd.Series.isin的代理

df[np.in1d(df.c1.values, list1.values)]

  c1  c2
1  b   2
2  c   3


Alt 2

使用
设置
逻辑

df[df.c1.apply(set) & set(list1)]

  c1  c2
1  b   2
2  c   3


Alt 3

使用
pd.Series.str.match

df[df.c1.str.match('|'.join(list1))]

  c1  c2
1  b   2
2  c   3

@JohnGalt和@COLDSPEED的答案都更加地道。请不要使用这些答案。它们旨在使
pandas
和
numpy
api的其他部分变得有趣和具有说明性

Alt 1

这是利用
numpy.inad
作为
pd.Series.isin的代理

df[np.in1d(df.c1.values, list1.values)]

  c1  c2
1  b   2
2  c   3


Alt 2

使用
设置
逻辑

df[df.c1.apply(set) & set(list1)]

  c1  c2
1  b   2
2  c   3


Alt 3

使用
pd.Series.str.match

df[df.c1.str.match('|'.join(list1))]

  c1  c2
1  b   2
2  c   3

为了完整的人

实现这一目标的另一种方法（肯定不是最好的方法）：

In [4]: df.merge(list1.to_frame(name='c1'))
Out[4]:
  c1  c2
0  b   2
1  c   3

为了完整的人

实现这一目标的另一种方法（肯定不是最好的方法）：

In [4]: df.merge(list1.to_frame(name='c1'))
Out[4]:
  c1  c2
0  b   2
1  c   3

现在，要想找到另一种方法来实现这一点，真的变得非常具有挑战性……；）更好的+1，在那个熊猫家伙来之前，他会因为你使用numpy而把你开除：^）@cᴏʟᴅsᴘᴇᴇᴅ 我们很好（：我对每个人都很好。现在找到另一种方法来做到这一点真的很有挑战性…；）更好+1，在那个熊猫家伙来因为你使用numpy而把你开除之前：^@cᴏʟᴅsᴘᴇᴇᴅ 我们很好（-：我对每个人都很好。