Méthode pandas isin
La méthode pandas isin () aide à rechercher l'ensemble d'entrée des valeurs dans le dataframe donné . Nous discuterons des pandas, de sa méthode isin () et de ses exemples.
Qu'est-ce que les pandas à Python?
Pandas est le module de trame de données standard de Python. Vous devez presque probablement utiliser des pandas si vous travaillez avec des données tabulaires dans Python.
Il donne une structure de données très efficace et des outils pour effectuer une analyse des données. Pandas est un module Python pour la science des données et l'analyse qui s'étend sur Numpy. Le DataFrame dans la structure de données fondamentaux de Pandas nous permet de stocker et de modifier les données tabulaires dans une structure 2D.
Qu'est-ce que DataFrame?
La structure de données la plus essentielle et la plus utilisée est le DataFrame, un moyen standard de stocker les données. DataFrame a des données organisées en lignes et colonnes comme une table SQL ou une base de données de feuille de calcul. Nous pouvons soit convertir nos données personnalisées en une dataframe ou importer des données à partir d'une base de données CSV, TSV, Excel, SQL ou à partir d'une autre source.
Quelle est la fonction pandas isin ()?
La fonction isin () vérifie si la ou les valeurs fournies sont présentes dans le dataframe. Cette fonction renvoie un dataframe booléen. Le DataFrame semble être le même que l'original et est inchangé. Pourtant, les valeurs d'origine sont remplacées par True si l'élément de trame de données est l'un des éléments spécifiés et est changé en false sinon.
Exemples de méthode ISIN ()
Exemple 1:
| 1 2 3 4 5 6 7 8 9 dix 11 12 | Importer des pandas en tant que PD données = PD.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Roll Number»: [25, 40, 23, 22], «Hauteur»: [«169», «173», «173», «178»] ) heights_to_filter = ['173', '169', '177'] résultat = données.isin (heights_to_filter) Imprimer (résultat) |
Sortir:
| Nom | Rouleau | nombre | Hauteur |
|---|---|---|---|
| 0 | FAUX | FAUX | Vrai |
| 1 | FAUX | FAUX | Vrai |
| 2 | FAUX | FAUX | Vrai |
| 3 | FAUX | FAUX | FAUX |
Exemple 2:
| 1 2 3 4 5 6 7 8 9 dix 11 12 13 | Importer des pandas en tant que PD données = PD.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Âge»: [25, 45, 23, 32], «Sujet préféré»: [«mathématiques», «science», «science», «anglais»] ) dict_data_to_filter = 'name': ['b', 'd'], 'département': ['science'] résultat = données.isin (dict_data_to_filter) Imprimer (résultat) |
Sortir:
| Nom | Âge | Préféré | Sujet |
|---|---|---|---|
| 0 | FAUX | FAUX | FAUX |
| 1 | Vrai | FAUX | FAUX |
| 2 | FAUX | FAUX | FAUX |
| 3 | Vrai | FAUX | FAUX |
Exemple 3:
| 1 2 3 4 5 6 7 8 9 dix 11 12 | Importer des pandas en tant que PD données = PD.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Âge»: [25, 45, 23, 32], «Département»: [«29», «35», «35», «40»] ) série_data = pd.Série (['A', 'C', 'B', 'D']) résultat = données.isin (série_data) Imprimer (résultat) |
Sortir:
| Nom | Âge | Département |
|---|---|---|
| 0 | Vrai | FAUX |
| 1 | FAUX | FAUX |
| 2 | FAUX | FAUX |
| 3 | Vrai | FAUX |
Exemple 4:
| 1 2 3 4 5 6 7 8 9 dix 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 | Importer des pandas en tant que PD données = PD.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Roll Number»: [25, 45, 23, 32], «Maison»: [«bleu», «vert», «vert», «jaune»] ) df = pd.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Roll Number»: [25, 45, 23, 32], «Maison»: [«bleu», «vert», «vert», «jaune»] ) résultat = données.isin (df) Imprimer (résultat) imprimer() df = pd.Trame de données( 'Name': ['a', 'b', 'c', 'd'], «Roll Number»: [25, 45, 23, 32], «Maison»: [«bleu», «vert», «vert», «jaune»] ) résultat = données.isin (df) Imprimer (résultat) |
Sortir:
| Nom | Rouleau | nombre | Loger |
|---|---|---|---|
| 0 | Vrai | Vrai | Vrai |
| 1 | Vrai | Vrai | Vrai |
| 2 | Vrai | Vrai | Vrai |
| 3 | Vrai | Vrai | Vrai |
| Nom | Rouleau | nombre | Loger |
|---|---|---|---|
| 0 | Vrai | Vrai | Vrai |
| 1 | Vrai | Vrai | Vrai |
| 2 | Vrai | Vrai | Vrai |
| 3 | Vrai | Vrai | Vrai |
Conclusion
Nous avons discuté des pandas dans Python, le DataFrame, la fonction pandas isin () et certains exemples de méthode isin (). La méthode isin () est utilisée pour obtenir le booléen dataframe qui indique quelles valeurs d'entrée sont présentes dans le dataframe.