如何在Pandas中高效率執行SQL的IN和NOT IN過濾？

Pandas 中物件導向的類似SQL 的過濾

過濾Pandas 資料幀是資料分析中的一項關鍵任務，並了解如何有效利用類似SQL 的運算子可以大大簡化這個過程。具體來說，IN 和 NOT IN 運算子廣泛用於根據成員資格條件選擇行。

SQL 的IN 和NOT IN 的Pandas 等效項

實作等效於Pandas 中SQL 的IN 運算符，您可以在Series 上利用isin()方法。此方法檢查 Series 中的每個元素是否包含在指定的清單或集合中。例如，要根據要包含的國家/地區清單過濾資料框：

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

這將傳回一個資料框，其中僅包含country_to_keep 清單中存在國家/地區列值的行。

要執行與SQL 的NOT IN 等效的操作，只需使用~ 否定isin() 方法即可運算符：

df[~df['country'].isin(countries_to_keep)]

這將產生一個資料框，排除國家/地區列值與指定清單相符的行。

範例

考慮以下資料框：

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

只選擇國家/地區所在的行country_to_keep:

df_filtered_in = df[df['country'].isin(countries_to_keep)]

這將導致：

    country
1        UK
3     China

選擇國家/地區不在country_to_keep中的行：

df_filtered_not_in = df[~df['country'].isin(countries_to_keep)]

這將產生：

    country
0        US
2   Germany

結論

結論

結論結論Pandas中的 isin() 方法提供了一種方便且高效的方法來實現 IN 和 NOT IN 風格的過濾，提供了強大的功能用於根據成員資格標準操作資料框的工具。

以上是如何在Pandas中高效率執行SQL的IN和NOT IN過濾？的詳細內容。更多資訊請關注PHP中文網其他相關文章！