使用多个isin子句进行pandas索引

Question

如果我想一次对多个列进行is-in测试,我可以这样做:

>>> from pandas import DataFrame
>>> df = DataFrame({'A': [1, 2, 3], 'B': [1, 4, 7], 'C' : [10, 12, 18]})   
>>> mask = df[['A','B']].isin({'A': [1, 3], 'B': [4, 7, 12]}).all(axis=1)
>>> df = df[mask]

这有效 - 是否有更简洁的解决方案？

Answer 1

你可以把两个isin条件都放进去&

df[df['A'].isin([1, 3]) & df['B'].isin([4, 7, 12])]
   A  B   C
2  3  7  18

你也可以使用query像这样的功能

c_a = [1, 3]
c_b = [4, 7, 12]
df.query('(B in @c_b) & (A in @c_a)')

   A  B   C
2  3  7  18

Answer 2

TBH,你目前的做法对我来说很好; 我无法看到isin或filter改进它的方法,因为我看不到如何isin只使用字典中的列或filter表现为all.

我不喜欢硬编码列名,所以我可能会写这个

>>> keep = {'A': [1, 3], 'B': [4, 7, 12]}
>>> df[df[list(keep)].isin(keep).all(axis=1)]
   A  B   C
2  3  7  18

或者.loc如果我需要一个手柄.

Answer 3

您可以将这两个条件作为掩码并使用&：

In [12]:

df[(df['A'].isin([1,3])) & (df['B'].isin([4,7,12]))]
Out[12]:
   A  B   C
2  3  7  18

()由于运算符优先级，这里的条件需要括号

稍微更具可读性的是使用query：

In [15]:

df.query('A in [1,3] and B in [4,7,12]')
Out[15]:
   A  B   C
2  3  7  18