使用值列表从pandas数据框中选择行

Question

可能重复:
如何通过"within"/"in"过滤pandas的数据帧行？

假设我有以下pandas数据帧:

df = DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
df

     A   B
0    5   1
1    6   2
2    3   3
3    4   5

我可以根据特定值进行子集化:

x = df[df['A'] == 3]
x

     A   B
2    3   3

但是我如何根据值列表进行子集化？ - 这样的事情:

list_of_values = [3,6]

y = df[df['A'] in list_of_values]

Answer 1

这确实是如何通过"within"/"in"过滤pandas的数据帧行的重复？,将响应翻译成你的例子给出:

In [1]: df = pd.DataFrame({'A': [5,6,3,4], 'B': [1,2,3,5]})

In [2]: df
Out[2]:
   A  B
0  5  1
1  6  2
2  3  3
3  4  5

In [3]: df[df['A'].isin([3, 6])]
Out[3]:
   A  B
1  6  2
2  3  3

Answer 2

list_of_values不一定是list; 它可以是set、tuple、dictionary、 numpy 数组、pandas 系列、生成器range等，并且isin()和query()仍然可以工作。

关于query()：

• 您也可以isin()在内部调用query()：

  list_of_values = [3, 6]
  df.query("A.isin(@list_of_values)")
  

• 您可以传递一个值作为参数进行搜索local_dict，如果您不想在函数调用链中预先创建过滤列表，则这很有用：

  df.query("A == @lst", local_dict={'lst': [3, 6]})
  

选择行的一些常见问题

1.list_of_values是一个范围

如果需要在某个范围内进行过滤，可以使用between()方法 或query()。

list_of_values = [3, 4, 5, 6] # a range of values

df[df['A'].between(3, 6)]  # or
df.query('3<=A<=6')

2.df按顺序返回list_of_values

在 OP 中， 中的值list_of_values不会按 中的顺序出现df。如果您想df按它们出现的顺序返回list_of_values，即“排序” list_of_values，请使用loc。

list_of_values = [3, 6]
df.set_index('A').loc[list_of_values].reset_index()

如果你想保留旧的索引，可以使用以下内容。

list_of_values = [3, 6, 3]
df.reset_index().set_index('A').loc[list_of_values].reset_index().set_index('index').rename_axis(None)

3.不要使用apply

一般来说，isin()和query()是完成此任务的最佳方法；没有必要apply()。例如，对于f(A) = 2*A - 5列 上的函数A， 和isin()的query()工作效率都要高得多：

df[(2*df['A']-5).isin(list_of_values)]         # or
df[df['A'].mul(2).sub(5).isin(list_of_values)] # or
df.query("A.mul(2).sub(5) in @list_of_values")

4. 选择不在其中的行list_of_values

要选择不在 中的行list_of_values，请对isin()/取反in：

df[~df['A'].isin(list_of_values)]
df.query("A not in @list_of_values")  # df.query("A != @list_of_values")

5. 选择多列所在的行list_of_values

如果您想使用两个（或多个）列进行过滤，可以any()根据需要all()减少列 ( )。axis=1

1. 选择至少包含A或之一的行： Blist_of_values

   df[df[['A','B']].isin(list_of_values).any(1)]
   df.query("A in @list_of_values or B in @list_of_values")
   

2. A选择和都B位于的行list_of_values：

   df[df[['A','B']].isin(list_of_values).all(1)] 
   df.query("A in @list_of_values and B in @list_of_values")
   

Answer 3

您可以使用方法查询：

df.query('A in [6, 3]')
# df.query('A == [6, 3]')

或者

lst = [6, 3]
df.query('A in @lst')
# df.query('A == @lst')

Answer 4

您可以将值存储在列表中，如下所示：

lis = [3,6]

然后

df1 = df[df['A'].isin(lis)]

Answer 5

另一种方法；

df.loc[df.apply(lambda x: x.A in [3,6], axis=1)]

与isin方法不同，这在确定列表是否包含列的函数时特别有用A。例如，f(A) = 2*A - 5作为函数；

df.loc[df.apply(lambda x: 2*x.A-5 in [3,6], axis=1)]

需要注意的是，这种方法比isin方法慢。