pandas.DataFrame.isin#

DataFrame.isin(values)[источник]#

Содержится ли каждый элемент в DataFrame в значениях.

Параметры:

valuesитерируемый объект, Series, DataFrame или словарь: Результат будет истинным только в том месте, если все метки совпадают. Если values является Series, это индекс. Если values является словарём, ключи должны быть именами столбцов, которые должны совпадать. Если values является DataFrame, тогда и метки индекса, и метки столбцов должны совпадать.

Возвращает:

DataFrame: DataFrame булевых значений, показывающий, содержится ли каждый элемент в DataFrame в значениях.

Смотрите также

DataFrame.eq: Проверка равенства для DataFrame.
Series.isin: Эквивалентный метод для Series.
Series.str.contains: Проверить, содержится ли шаблон или регулярное выражение в строке Series или Index.

Примеры

>>> df = pd.DataFrame({'num_legs': [2, 4], 'num_wings': [2, 0]},
...                   index=['falcon', 'dog'])
>>> df
        num_legs  num_wings
falcon         2          2
dog            4          0

Когда values является ли список проверкой, присутствует ли каждое значение в DataFrame в списке (какие животные имеют 0 или 2 ноги или крылья)

>>> df.isin([0, 2])
        num_legs  num_wings
falcon      True       True
dog        False       True

Чтобы проверить, если values является не в DataFrame, используйте ~ оператор:

>>> ~df.isin([0, 2])
        num_legs  num_wings
falcon     False      False
dog         True      False

Когда values является словарём, мы можем передать значения для проверки каждого столбца отдельно:

>>> df.isin({'num_wings': [0, 3]})
        num_legs  num_wings
falcon     False      False
dog        False       True

Когда values если это Series или DataFrame, индекс и столбец должны совпадать. Обратите внимание, что 'falcon' не совпадает на основе количества ног в другом.

>>> other = pd.DataFrame({'num_legs': [8, 3], 'num_wings': [0, 2]},
...                      index=['spider', 'falcon'])
>>> df.isin(other)
        num_legs  num_wings
falcon     False       True
dog        False      False