python - fila - Cómo implementar ''in'' y ''not in'' para el marco de datos de Pandas

eliminar filas dataframe python

Question

¿Cómo puedo lograr los equivalentes de SQL IN y NOT IN ?

Tengo una lista con los valores requeridos. Aquí está el escenario:

df = pd.DataFrame({''countries'':[''US'',''UK'',''Germany'',''China'']})
countries = [''UK'',''China'']

# pseudo-code:
df[df[''countries''] not in countries]

Mi forma actual de hacer esto es la siguiente:

df = pd.DataFrame({''countries'':[''US'',''UK'',''Germany'',''China'']})
countries = pd.DataFrame({''countries'':[''UK'',''China''], ''matched'':True})

# IN
df.merge(countries,how=''inner'',on=''countries'')

# NOT IN
not_in = df.merge(countries,how=''left'',on=''countries'')
not_in = not_in[pd.isnull(not_in[''matched''])]

Pero esto parece un horrible kludge. ¿Alguien puede mejorarlo?

Answer 1

Por lo general, he estado filtrando genéricos en filas como esta:

criterion = lambda row: row[''countries''] not in countries
not_in = df[df.apply(criterion, axis=1)]

Answer 2

Puede usar pd.Series.isin .

Para el uso "IN": something.isin(somewhere)

O para "NO ENCENDIDO": ~something.isin(somewhere)

Como un ejemplo trabajado:

>>> df
  countries
0        US
1        UK
2   Germany
3     China
>>> countries
[''UK'', ''China'']
>>> df.countries.isin(countries)
0    False
1     True
2    False
3     True
Name: countries, dtype: bool
>>> df[df.countries.isin(countries)]
  countries
1        UK
3     China
>>> df[~df.countries.isin(countries)]
  countries
0        US
2   Germany

Answer 3

Quería filtrar las filas de dfbc que tenían un BUSINESS_ID que también estaba en BUSINESS_ID de dfProfilesBusIds

Finalmente lo hice funcionar:

dfbc = dfbc[(dfbc[''BUSINESS_ID''].isin(dfProfilesBusIds[''BUSINESS_ID'']) == False)]

Answer 4

Solución alternativa que usa el método .query() :

In [5]: df.query("countries in @countries")
Out[5]:
  countries
1        UK
3     China

In [6]: df.query("countries not in @countries")
Out[6]:
  countries
0        US
2   Germany

Answer 5

df = pd.DataFrame({''countries'':[''US'',''UK'',''Germany'',''China'']})
countries = [''UK'',''China'']

implementar en :

df[df.countries.isin(countries)]

implementar no en como en los países de descanso:

df[df.countries.isin([x for x in np.unique(df.countries) if x not in countries])]