【Python】進階學習：pandas–isin()用法詳解

🌈 個人主頁：高斯小哥
🔥 高質量專欄：Matplotlib之旅：零基礎精通數據可視化、Python基礎【高質量合集】、PyTorch零基礎入門教程👈 希望得到您的訂閱和支持~
💡 創作高質量博文(平均質量分92+)，分享更多關于深度學習、PyTorch、Python領域的優質內容！（希望得到您的關注~）

---

📚 一、pandas庫簡介

??pandas是Python中一個非常流行的數據處理庫，它提供了大量的數據結構（如Series和DataFrame）以及數據分析工具，使得數據處理變得既簡單又高效。在pandas中，isin()是一個非常重要的方法，它允許我們根據一個值列表來篩選數據。

🔍 二、isin()方法基礎

??isin()方法用于過濾數據框（DataFrame）或序列（Series）中的值，僅保留在給定列表中出現的值。

📋 示例1：篩選DataFrame中的特定值

假設我們有一個DataFrame df，其中包含學生的信息：

import pandas as pd# 創建一個示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)# 篩選Subject列為'Math'或'Science'的學生
selected_students = df[df['Subject'].isin(['Math', 'Science'])]
print(selected_students)

輸出：

      Name  Subject  Score
0    Alice     Math     90
1      Bob  Science     85
2  Charlie     Math     92
4      Eve  Science     88

📋 示例2：結合多個條件篩選

isin()方法可以與其他條件篩選方法結合使用，以創建更復雜的篩選條件。

import pandas as pd# 創建一個示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)# 篩選Score大于85且Subject為'Math'或'Science'的學生
combined_filter = df[(df['Score'] > 85) & df['Subject'].isin(['Math', 'Science'])]
print(combined_filter)

輸出：

      Name  Subject  Score
0    Alice     Math     90
2  Charlie     Math     92
4      Eve  Science     88

🎯 三、高級用法與技巧

??isin()方法不僅限于簡單的值匹配，還可以與其他pandas功能結合使用，以實現更高級的數據篩選。

📋 示例3：篩選DataFrame中多個列的值

我們可以同時檢查多個列中的值是否存在于給定的列表中。

import pandas as pd# 創建一個示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)# 篩選Name為'Alice'或'Charlie'，且Subject為'Math'或'Science'的學生
multi_column_filter = df[(df['Name'].isin(['Alice', 'Charlie']) & df['Subject'].isin(['Math', 'Science']))]
print(multi_column_filter)

輸出：

      Name Subject  Score
0    Alice    Math     90
2  Charlie    Math     92

📋 示例4：結合set數據結構使用isin()

使用set數據結構可以更有效地執行isin()操作，尤其是當比較值列表非常大時。

import pandas as pd# 創建一個示例DataFrame
data = {'Name': ['Alice', 'Bob', 'Charlie', 'David', 'Eve'],'Subject': ['Math', 'Science', 'Math', 'History', 'Science'],'Score': [90, 85, 92, 78, 88]
}
df = pd.DataFrame(data)# 將要匹配的值轉換為set以提高效率
subjects_set = {'Math', 'Science'}# 篩選Subject列為'Math'或'Science'的學生
set_filter = df[df['Subject'].isin(subjects_set)]
print(set_filter)

輸出:

      Name  Subject  Score
0    Alice     Math     90
1      Bob  Science     85
2  Charlie     Math     92
4      Eve  Science     88

🎉 四、總結

??isin()是pandas中一個非常實用的方法，它允許我們根據給定的值列表來篩選數據。通過結合不同的條件和技巧，我們可以實現復雜的數據篩選任務。在使用isin()方法時，保持代碼清晰、高效和易于維護非常重要。通過遵循最佳實踐，我們可以確保篩選操作能夠快速、準確地返回所需的結果。

🤝 五、期待與你共同進步

??在數據處理的旅程中，我們始終在學習和成長。希望這篇博客能夠幫助你更好地理解和應用pandas中的isin()方法。如果你有任何疑問或建議，歡迎在評論區留言，我們一起探討和學習。同時，也期待你分享你的經驗和見解，讓我們共同進步！