假设我有以下Pandas数据框架:
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
我可以基于一个特定的值进行子集:
x = df[df['A'] == 3]
x
A B
2 3 3
但是如何根据值列表进行子集呢?-就像这样:
list_of_values = [3,6]
y = df[df['A'] in list_of_values]
得到:
A B
1 6 2
2 3 3
当前回答
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a的函数时特别有用。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)]
应该注意的是，这种方法比isin方法慢。
其他回答
你可以将你的值存储在一个列表中:
lis河=
then
df1 = df[df['A'].isin（lis）]
可以使用isin方法:
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
得到相反的用法~:
In [4]: df[~df['A'].isin([3, 6])]
Out[4]:
A B
0 5 1
3 4 5
上面的答案是正确的，但是如果您仍然不能像预期的那样过滤掉行，请确保DataFrames的两个列具有相同的dtype。
source = source.astype({1: 'int64'})
to_rem = to_rem.astype({'some col': 'int64'})
works = source[~source[1].isin(to_rem['some col'])]
花了我足够长的时间。
它在f-Strings中更棘手
list_of_values = [3,6]
df.query(f'A in {list_of_values}')
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a的函数时特别有用。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)]
应该注意的是，这种方法比isin方法慢。
