Pandas中的IN和NOT IN过滤：简洁高效的数据筛选

2024-03-21 10:11:51

Pandas中的IN和NOT IN过滤

当我们处理数据时，经常需要根据某些条件过滤数据。在SQL中，我们可以使用“IN”和“NOT IN”操作符来检查值是否在指定列表中。Pandas数据框也提供了类似的功能，允许我们轻松地执行这些过滤操作。

IN 操作符用于检查一个值是否在指定列表中。要使用Pandas中的isin() 函数执行此操作，我们可以这样写：

df[df['column_name'].isin(values_list)]

其中：

例如，假设我们有一个名为 countries 的数据框，其中包含 country 列。我们可以使用以下代码过滤出国家名称为“美国”或“英国”的行：

countries[countries['country'].isin(['US', 'UK'])]

NOT IN 操作符用于检查一个值是否不在指定列表中。要使用Pandas中的~isin() 函数执行此操作，我们可以这样写：

df[~df['column_name'].isin(values_list)]

其中：

例如，假设我们有一个名为 products 的数据框，其中包含 category 列。我们可以使用以下代码过滤出类别不是“电子产品”或“服装”的产品：

products[~products['category'].isin(['Electronics', 'Clothing'])]

使用Pandas中的isin() 和~isin() 函数进行过滤具有以下优势：

如何将多个条件组合到IN或NOT IN过滤中？
答：可以使用&（和）或|（或）运算符组合条件。例如：
```
df[(df['condition1'].isin(values_list1)) & (df['condition2'].isin(values_list2))]
```
如何过滤包含空值的行？
答：可以将pd.NA（空值占位符）包含在要过滤的值列表中。例如：
```
df[df['column_name'].isin([pd.NA])]
```
如何排除包含空值的行？
答：可以使用~isin()函数并指定dropna=True参数。例如：
```
df[~df['column_name'].isin([pd.NA],dropna=True)]
```
isin()函数是否区分大小写？
答：默认情况下，isin()函数区分大小写。如果需要不区分大小写地进行过滤，可以使用str.lower()或str.upper()函数将列中的值转换为小写或大写。
如何使用isin()函数对多个列进行过滤？
答：可以通过使用|运算符将多个列的过滤条件连接起来。例如：
```
df[(df['column1'].isin(values_list1)) | (df['column2'].isin(values_list2))]
```