pandas isin函数使用指南及示例代码详解和数据过滤应用场景介绍

频道：互联网日期：2025-03-31 16:26:37 浏览：8

Pandas 是 Python 中流行的数据处理库，提供了 Series 和 DataFrame 等数据结构以及数据分析工具，让数据处理简单高效。其中的 isin() 方法可根据值列表筛选数据，下面详细介绍其使用方法、示例代码以及数据过滤应用场景。

基本用法

isin 函数的基本语法如下：

pandas.DataFrame.isin(values)
pandas.Series.isin(values)

其中，values 可以是列表、元组、字典、Series 或 DataFrame，用来指定需要匹配的数据。isin 函数会返回一个布尔类型的 Series 或 DataFrame，表明每个元素是否在 values 中出现。

示例代码详解

单参数过滤示例

此示例展示如何筛选出 DataFrame 中特定列具有特定值的行。

pandas isin函数使用指南及示例代码详解和数据过滤应用场景介绍

import pandas as pd

 创建示例数据
data = {'A': (1, 2, 3, 4, 5),
        'B': ('apple', 'banana', 'orange', 'grape', 'watermelon')}
df = pd.DataFrame(data)

 定义要匹配的值
fruits = ('apple', 'banana', 'grape')

 使用 isin 函数返回布尔 Series
result = df['B'].isin(fruits)
print(result)

 使用布尔 Series 过滤 DataFrame
filtered_df = df[result]
print(filtered_df)

上述代码中，首先创建了一个 DataFrame 和一个包含水果名称的元组 fruits。然后对 DataFrame 中 'B' 列的元素使用 isin 函数，返回一个布尔类型的 Series，指示每个元素是否在 fruits 中。最后，将这个布尔 Series 作为索引传递给原始 DataFrame，得到只包含 'B' 列中值在 fruits 中的行的新 DataFrame。

多重参数过滤示例

该示例展示如何根据多个条件筛选 DataFrame 中的行。

import pandas as pd

 创建示例数据
data = {
    'Gender': ('Male', 'Female', 'Female', 'Male', 'Female'),
    'Team': ('Engineering', 'Distribution', 'Finance', 'HR', 'Engineering')
}
df = pd.DataFrame(data)

 创建布尔 Series 过滤器
filter1 = df['Gender'].isin(('Female'))
filter2 = df['Team'].isin(('Engineering', 'Distribution', 'Finance'))

 应用两个过滤器
filtered_df = df[filter1 & filter2]
print(filtered_df)

在此示例中，根据性别和团队两个条件过滤数据帧，返回具有性别为“Female”且团队为“Engineering”、“Distribution”或“Finance”的行。

数据过滤应用场景介绍

筛选特定类别数据

在数据分析中，常需要从数据集中筛选出属于特定类别的数据。例如，从销售数据中筛选出特定产品类别的销售记录。

找出重复值

可使用 isin 函数找出数据集中的重复值。例如，找出包含重复用户 ID 的行。

import pandas as pd

 假设我们有一个包含用户 ID 的 Series
user_ids = pd.Series((1, 2, 3, 2, 4, 1, 5))

 使用 value_counts 函数找出重复值
duplicated_ids = user_ids.value_counts()[user_ids.value_counts() > 1].index

 使用 isin 函数找出包含重复 ID 的行
mask = user_ids.isin(duplicated_ids)

 打印出包含重复 ID 的用户 ID
print(user_ids[mask])

处理大数据集

当处理大数据集时，isin 函数可能会较慢，因为它需要逐个比较每个元素是否存在于提供的集合中。解决办法是尝试将集合转换为 Python 中的 set 或字典，它们在查找元素时通常具有更快的性能。也可以考虑使用 Pandas 的并行处理能力，如 apply() 函数的 numba 或 dask 后端来加速计算。