Pandas DataFrame isin() Metode

Python har mange nyttige værktøjer og biblioteker til at behandle og analysere data. Et af de mest populære biblioteker er Pandas, som giver en nem og fleksibel måde at arbejde med datastrukturer som DataFrames. En af de nyttige metoder i Pandas, som vi vil se nærmere på i denne artikel, er isin() metoden.

Hvad er Pandas DataFrame isin() metode?

Pandas DataFrame isin() metode er en funktion, der hjælper os med at finde ud af, om elementer i en DataFrame er til stede i en liste, en anden DataFrame eller en Series. Det returnerer en boolean Serie af samme længde som den oprindelige DataFrame, hvor hvert element er sandt, hvis det er til stede i den angivne liste, og falsk, hvis det ikke er til stede.

Den grundlæggende syntaks for Pandas DataFrame isin() metoden er som følger:

df.isin(values)

Hvor df er det DataFrames objekt, vi ønsker at søge i, og values er en liste af værdier, som vi ønsker at sammenligne med.

Eksempler på brugen af Pandas DataFrame isin() metode

Lad os se på nogle eksempler for bedre at forstå, hvordan Pandas DataFrame isin() metode fungerer.

Eksempel 1:

Antag, at vi har en DataFrame med navnet data og en liste med navnet liste. Vi vil bruge isin() metoden til at finde ud af, om værdierne i data er til stede i liste. Her er koden:

import pandas as pddata = {Navn: [Peter, Anna, John, Emily], Alder: [25, 30, 35, 40], By: [Aarhus, København, Odense, Aalborg]}df = pd.DataFrame(data)liste = [John, Emily]resultat = df[Navn].isin(liste)print(resultat)

Outputtet vil være:

0 False1 False2 True3 TrueName: Navn, dtype: bool

I dette eksempel returnerer isin() metoden en boolean Serie, hvor hver værdi er sandt, hvis den er til stede i liste, og falsk, hvis den ikke er. Dette viser os, at værdierne John og Emily er til stede i Navn kolonnen i data DataFrame.

Eksempel 2:

Vi kan også bruge Pandas DataFrame isin() metoden til at filtrere DataFrame og få kun de rækker, der matcher de angivne værdier. Her er et eksempel:

import pandas as pddata = {Navn: [Peter, Anna, John, Emily], Alder: [25, 30, 35, 40], By: [Aarhus, København, Odense, Aalborg]}df = pd.DataFrame(data)liste = [John, Emily]resultat = df[df[Navn].isin(liste)]print(resultat)

Outputtet vil være:

Navn Alder By2 John 35 Odense3 Emily 40 Aalborg

I dette eksempel bruger vi isin() metoden sammen med maskering for at filtrere df, så vi kun får de rækker, hvor værdierne i Navn kolonnen er til stede i liste. Dette giver os en ny DataFrame, der kun indeholder rækkerne for John og Emily.

Konklusion

Pandas DataFrame isin() metode er en nyttig funktion til at søge og filtrere data i en DataFrame. Ved at bruge denne metode kan vi nemt fastslå, om bestemte værdier er til stede i en DataFrame og også filtrere data baseret på disse værdier. Dette gør det lettere at manipulere og analysere store datasæt.

Vi har set nogle grundlæggende eksempler på brugen af isin() metoden, men der er mange flere muligheder og variationer baseret på specifikke brugsscenarier. Ved at mestre Pandas DataFrame isin() metode kan du opnå større kontrol over dine dataanalyseopgaver og skabe mere detaljerede og præcise resultater.

Andre populære artikler: Getting Started med Java • Animation Events: Hvad er det og hvordan fungerer det? • Vue Props • Bootstrap JS Collapse Reference • Javascript Window: En dybdegående guide • Node.js path.dirname() Metode • Java return-nøgleord • Reverse en streng i Python: Hvordan man gør det • HTML DOM Document addEventListener() Metode • Vue Event Modifiers: En dybdegående guide til håndtering af begivenheder i Vue.js • Python – Tilføj elementer til en sæt • SQL Bootcamp – W3Schools Bootcamps • VBScript CStr Funktion • Pandas DataFrame quantile() Metode • JavaScript String charCodeAt() metode • HTML video width attribut • JavaScript Function bind() Metode • VBScript DateDiff Funktion • C Funktioner – Default Parameter Value (Valgfrie Parametre) • Pandas DataFrame min() Metode