Python 按列表中的值筛选数据帧
有一个数据帧:Python 按列表中的值筛选数据帧,python,pandas,list,dataframe,Python,Pandas,List,Dataframe,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
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。