检查数组中的元素是否存在于 Pandas DataFrame 中答案

【问题标题】：Checking if elements in an array exist in a pandas DataFrame检查数组中的元素是否存在于 Pandas DataFrame 中
【发布时间】：2021-11-12 20:20:09
【问题描述】：

我有一个熊猫数据框和一个熊猫系列，如下所示。

df0 = pd.DataFrame({'col1':['a','b','c','d'],'col2':['b','c','e','f'],'col3':['d','f','g','a']})

  col1 col2 col3
0    a    b    d
1    b    c    f
2    c    e    g
3    d    f    a

df1 = pd.Series(['b','g','g'], index=['col1','col2','col3'])

col1    b
col2    g
col3    g
dtype: object

如您所见，df0 的列和df1 的索引是相同的。对于df1 的每个索引，我想知道该索引处的值是否存在于df0 的对应列中。所以，df1.col1 是b，我们只需要在df0.col1 中寻找b 并检查它是否存在。

期望的输出：

array([True, False, True])

有没有办法在不使用循环的情况下做到这一点？也许是 numpy 或 pandas 原生的方法？

【问题讨论】：

可以使用melt 之类的东西将两个数据帧从宽转换为长，然后join 它们在列和值上？

标签： python pandas dataframe numpy

【解决方案1】：

您可以使用broadcasting:

(df0 == df1).any().values

它也适用于 NumPy ndarray：

assert (df0.columns == df1.columns).all()

(df0.values == df1.values).any(axis=0)

输出：

array([ True, False,  True])

【讨论】：

这实际上与@StevenS' answer 相同。还是我应该提议df0.__eq__(df1).any()？ :p
我个人认为这在这里没有附加价值，如果为每个答案提出了所有语法变体，这将是无法忍受的（我只是说你的回答比其他答案晚得多）。最终您可以在其他答案中添加评论（或编辑）
eq 和== 是不同的函数，通过eq 中的参数可以得到不同的结果。另外我解释说你在这里使用广播。
你能解释一下‘eq’和‘==’有什么不同吗？另外，对于 numpy 的情况，为什么没有'[None,:]' 它可以工作？抱歉，这些都是非常基本的问题。
可以更改eq中的axis参数，得到不同的结果df0.eq(df1, axis='rows')。由于广播，它可以在没有[None,:] 的情况下工作（它会自动执行）。

【解决方案2】：

Pandas 的pandas.DataFrame.eq 方法可能是最简单的。

df0.eq(df1).any()

col1     True
col2    False
col3     True
dtype: bool

【讨论】：

好！ +1 可以添加 to_numpy() 以将系列转换为所需输出中的 numpy 数组。

【解决方案3】：

使用 numpy

你可以broadcastdf1检查df0：

np.any(df1[None, :] == df0, axis=0)
# col1     True
# col2    False
# col3     True
# dtype: bool

请注意，这假定 df1.index 和 df0.columns 具有相同的顺序。如果没有，请先reindex：

np.any(df1.reindex(df0.columns)[None, :] == df0, axis=0)

使用熊猫

使用apply检查给定的df1值isin是否对应df0的col：

df0.apply(lambda col: col.isin([df1[col.name]])).any()
# col1     True
# col2    False
# col3     True
# dtype: bool

【讨论】：

【解决方案4】：

import pandas as pd
array=[]
df0 = pd.DataFrame({'col1':['a','b','c','d'],'col2':['b','c','e','f'],'col3':['d','f','g','a']})
df1 = pd.Series(['b','g','g'], index=['col1','col2','col3'])
for i in range(1,4):
    col = 'col'+str(i)
    array.append(df0[col].str.contains(df1[col]).any())
print(array)

【讨论】：

【解决方案5】：

您可以使用apply 代替loop。

试试这个：

df0 = pd.DataFrame({'col1':['a','b','c','d'],'col2':['b','c','e','f'],'col3':['d','f','g','a']})
df1 = pd.Series(['b','g','g'], index=['col1','col2','col3'])

df0.apply(lambda x : df1[x.name] in x.values) # for example x <-> 'col1' check this -> 'b' in ['a','b','c','d']
# col1     True    <-> 'b' in ['a','b','c','d']
# col2    False    <-> 'g' in ['b','c','e','f']
# col3     True    <-> 'g' in ['d','f','g','a']
# dtype: bool


df0.apply(lambda x : df1[x.name] in x.values).tolist()
# [True, False, True]

【讨论】：

【解决方案6】：

如果您想要使用列表理解的快速单行：

[df1[i] in df0[i].unique() for i in df1.index]

如果它需要是一个数组：

np.array([df1[i] in df0[i].unique() for i in df1.index])

输出是：

array([ True, False, True])

【讨论】：