如何为 pandas DataFrame 实现 'in' 和 'not in'？
Pandas 提供了两种方法：Series.isin 和 DataFrame.isin 分别用于 Series 和 DataFrames。
基于 ONE Column 过滤 DataFrame（也适用于 Series）
最常见的场景是在特定列上应用 isin 条件来过滤 DataFrame 中的行。
df = pd.DataFrame({'countries': ['US', 'UK', 'Germany', np.nan, 'China']})
df
countries
0 US
1 UK
2 Germany
3 China
c1 = ['UK', 'China'] # list
c2 = {'Germany'} # set
c3 = pd.Series(['China', 'US']) # Series
c4 = np.array(['US', 'UK']) # array
Series.isin 接受各种类型作为输入。以下都是获得您想要的所有有效方法：
df['countries'].isin(c1)
0 False
1 True
2 False
3 False
4 True
Name: countries, dtype: bool
# `in` operation
df[df['countries'].isin(c1)]
countries
1 UK
4 China
# `not in` operation
df[~df['countries'].isin(c1)]
countries
0 US
2 Germany
3 NaN
# Filter with `set` (tuples work too)
df[df['countries'].isin(c2)]
countries
2 Germany
# Filter with another Series
df[df['countries'].isin(c3)]
countries
0 US
4 China
# Filter with array
df[df['countries'].isin(c4)]
countries
0 US
1 UK
对许多列进行过滤
有时，您会希望在多个列上使用一些搜索词应用“in”成员资格检查，
df2 = pd.DataFrame({
'A': ['x', 'y', 'z', 'q'], 'B': ['w', 'a', np.nan, 'x'], 'C': np.arange(4)})
df2
A B C
0 x w 0
1 y a 1
2 z NaN 2
3 q x 3
c1 = ['x', 'w', 'p']
要将isin 条件应用于“A”和“B”列，请使用DataFrame.isin：
df2[['A', 'B']].isin(c1)
A B
0 True True
1 False False
2 False False
3 False True
据此，要保留至少一列为True的行，我们可以沿第一轴使用any：
df2[['A', 'B']].isin(c1).any(axis=1)
0 True
1 False
2 False
3 True
dtype: bool
df2[df2[['A', 'B']].isin(c1).any(axis=1)]
A B C
0 x w 0
3 q x 3
请注意，如果您想搜索每一列，您只需省略列选择步骤并执行
df2.isin(c1).any(axis=1)
同样，要保留所有列均为True 的行，请以与以前相同的方式使用all。
df2[df2[['A', 'B']].isin(c1).all(axis=1)]
A B C
0 x w 0
值得注意的提及：numpy.isin、query、列表推导（字符串数据）
除了上述方法之外，您还可以使用 numpy 等价物：numpy.isin。
# `in` operation
df[np.isin(df['countries'], c1)]
countries
1 UK
4 China
# `not in` operation
df[np.isin(df['countries'], c1, invert=True)]
countries
0 US
2 Germany
3 NaN
为什么值得考虑？由于开销较低，NumPy 函数通常比它们的 pandas 等效函数快一点。由于这是一个不依赖于索引对齐的元素操作，因此很少有这种方法不适合替代 pandas 的isin。
处理字符串时，Pandas 例程通常是迭代的，因为字符串操作很难向量化。 There is a lot of evidence to suggest that list comprehensions will be faster here.。
我们现在求助于in 检查。
c1_set = set(c1) # Using `in` with `sets` is a constant time operation...
# This doesn't matter for pandas because the implementation differs.
# `in` operation
df[[x in c1_set for x in df['countries']]]
countries
1 UK
4 China
# `not in` operation
df[[x not in c1_set for x in df['countries']]]
countries
0 US
2 Germany
3 NaN
但是，指定起来要麻烦得多，因此除非您知道自己在做什么，否则不要使用它。
最后，还有DataFrame.query 已在this answer 中介绍。 numexpr FTW！