一、pandas库简介
pandas是Python中一个非常流行的数据处理库，它提供了大量的数据结构（如Series和DataFrame）以及数据分析工具，使得数据处理变得既简单又高效。在pandas中，isin()是一个非常重要的方法，它允许我们根据一个值列表来筛选数据。
二、isin()方法基础
isin()方法用于过滤数据框（DataFrame）或序列（Series）中的值，仅保留在给定列表中出现的值。
示例1：筛选DataFrame中的特定值
假设我们有一个DataFrame df，其中包含学生的信息：
import pandas as pd
# 创建一个示例DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],
'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)
# 筛选Subject列为'Math'或'Science'的学生
selected_students = df[df['Subject'].isin(['Math', 'Science'])]
print(selected_students)
输出：
Name Subject Score
0 Alice Math 90
1 Bob Science 85
2 Charlie Math 92
4 Eve Science 88
示例2：结合多个条件筛选
isin()方法可以与其他条件筛选方法结合使用，以创建更复杂的筛选条件。
import pandas as pd
# 创建一个示例DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],
'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)
# 筛选Score大于85且Subject为'Math'或'Science'的学生
combined_filter = df[(df['Score'] > 85) & df['Subject'].isin(['Math', 'Science'])]
print(combined_filter)
输出：
Name Subject Score
0 Alice Math 90
2 Charlie Math 92
4 Eve Science 88
三、高级用法与技巧
isin()方法不仅限于简单的值匹配，还可以与其他pandas功能结合使用，以实现更高级的数据筛选。
示例3：筛选DataFrame中多个列的值
我们可以同时检查多个列中的值是否存在于给定的列表中。
import pandas as pd
# 创建一个示例DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],
'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)
# 筛选Name为'Alice'或'Charlie'，且Subject为'Math'或'Science'的学生
multi_column_filter = df[(df['Name'].isin(['Alice', 'Charlie']) & df['Subject'].isin(['Math', 'Science']))]
print(multi_column_filter)
输出：
Name Subject Score
0 Alice Math 90
2 Charlie Math 92
示例4：结合set数据结构使用isin()
使用set数据结构可以更有效地执行isin()操作，尤其是当比较值列表非常大时。
import pandas as pd
# 创建一个示例DataFrame
data = {
'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],
'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],
'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)
# 将要匹配的值转换为set以提高效率
subjects_set = {'Math', 'Science'}
# 筛选Subject列为'Math'或'Science'的学生
set_filter = df[df['Subject'].isin(subjects_set)]
print(set_filter)
输出:
Name Subject Score
0 Alice Math 90
1 Bob Science 85
2 Charlie Math 92
4 Eve Science 88
四、总结
isin()是pandas中一个非常实用的方法，它允许我们根据给定的值列表来筛选数据。通过结合不同的条件和技巧，我们可以实现复杂的数据筛选任务。在使用isin()方法时，保持代码清晰、高效和易于维护非常重要。通过遵循最佳实践，我们可以确保筛选操作能够快速、准确地返回所需的结果。
五、期待与你共同进步
在数据处理的旅程中，我们始终在学习和成长。希望这篇博客能够帮助你更好地理解和应用pandas中的isin()方法。如果你有任何疑问或建议，欢迎在评论区留言，我们一起探讨和学习。同时，也期待你分享你的经验和见解，让我们共同进步！
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
整理出了一套系统的学习路线，这套资料涵盖了诸多学习内容：开发工具，基础视频教程，项目实战源码，51本电子书籍，100道练习题等。相信可以帮助大家在最短的时间内，能达到事半功倍效果，用来复习也是非常不错的。
👉Python学习路线汇总👈
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
👉Python必备开发工具👈
👉Python学习视频合集👈
观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
👉实战案例👈
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
资料获取方式：↓↓↓↓
1.关注公众号：萧晓编程百事通
2.在后台发送：“学习” 即可免费领取
