pandas.DataFrame.isin

DataFrame.isin(values)[source]

Определяет, содержится ли каждый элемент в DataFrame в списке значений.

Параметры:

values:iterable, Series, DataFrame или dict

Результат будет истинным только в том случае, если все метки совпадают. Если values является Series, это индекс. Если values является dict, ключи должны соответствовать именам столбцов. Если values является DataFrame, то должны совпадать и индекс, и метки столбцов.

Возвращаемое значение:

DataFrame

DataFrame булевых значений, показывающих, содержится ли каждый элемент в DataFrame в значениях.

См. также

DataFrame.eq

Тест равенства для DataFrame.

Series.isin

Эквивалентный метод для Series.

Series.str.contains

Проверка, содержится ли шаблон или регулярное выражение в строке Series или Index.

Примеры

>>> df = pd.DataFrame({'num_legs': [2, 4], 'num_wings': [2, 0]},
...                   index=['falcon', 'dog'])
>>> df
        num_legs  num_wings
falcon         2          2
dog            4          0

Когда values представляет собой список, проверяется, присутствует ли каждое значение в DataFrame в списке (какие животные имеют 0 или 2 ноги или крылья).

>>> df.isin([0, 2])
        num_legs  num_wings
falcon      True       True
dog        False       True

Чтобы проверить, что values не содержится в DataFrame, используйте оператор ~.

>>> ~df.isin([0, 2])
        num_legs  num_wings
falcon     False      False
dog         True      False

Когда values представляет собой dict, мы можем передавать значения для проверки каждого столбца по отдельности.

>>> df.isin({'num_wings': [0, 3]})
        num_legs  num_wings
falcon     False      False
dog        False       True

Когда values представляет собой Series или DataFrame, индекс и столбцы должны совпадать. Обратите внимание, что «сокол» не соответствует количеству ног в других.

>>> other = pd.DataFrame({'num_legs': [8, 3], 'num_wings': [0, 2]},
...                      index=['spider', 'falcon'])
>>> df.isin(other)
        num_legs  num_wings
falcon     False       True
dog        False      False