pandas notin

在pandas中，notin是指筛选出不满足条件的数据。可以使用isin方法和取反符号~来实现notin操作。具体来说，可以先使用isin方法筛选出满足条件的数据，然后使用取反符号~来筛选出不满足条件的数据。例如，可以使用以下代码实现notin操作：

import pandas as pd

# 创建DataFrame
df = pd.DataFrame({'a':[1, 2, 3, 4, 5, 6], 'b':[1, 2, 3, 4, 5, 6], 'c':[1, 2, 3, 4, 5, 6]})

# 定义筛选条件
filter_condition = {'a':[1, 2, 3]}

# 使用isin方法筛选出满足条件的数据
df_in = df[df.isin(filter_condition)['a']]

# 使用取反符号~筛选出不满足条件的数据
df_notin = df[~df.isin(filter_condition)['a']]

其中，df.isin(filter_condition)['a']返回的是一个布尔型的DataFrame，表示DataFrame中每个元素是否满足筛选条件。使用~对其取反，就可以得到不满足条件的数据。

相关问题

pandas isnotin

在pandas中，没有内置的isnotin方法。但是可以通过对isin方法取反来实现类似于isnotin的功能。

举例来说，假设有一个DataFrame df，其中包含列a，b和c。我们可以使用isin方法和一个筛选条件来判断数据是否满足条件，并返回一个布尔值的DataFrame，其中True表示满足条件，False表示不满足条件。然后，我们可以使用取反运算符~来获取不满足条件的数据。

例如，我们有一个筛选条件为{'a':[1, 2, 3]}，我们可以使用以下代码来进行条件筛选：
df_in = df[df.isin(filter_condition)['a']] # 获取满足条件的数据
df_notin = df[~df.isin(filter_condition)['a']] # 获取不满足条件的数据

在以上代码中，我们使用isin方法和筛选条件来获取满足条件的数据，并将结果存储在df_in中。然后，使用取反运算符~来获取不满足条件的数据，并将结果存储在df_notin中。

请注意，上述代码中的filter_condition是一个字典，用于指定筛选条件。其中，键是要筛选的列名，值是要匹配的值的列表。

最后，df_in和df_notin分别存储了满足条件和不满足条件的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [pandas 中的 isin和isnotin](https://blog.csdn.net/qq_39910261/article/details/106255990)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [pandas的is in和not in](https://blog.csdn.net/weixin_42764612/article/details/89600903)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

pandas isin函数

引用中提到了Pandas中isin()函数的源码实现和使用方法。isin()函数可以用来判断数据是否与多个值相等，若相等则返回True，否则返回False。具体使用方法如下：

import pandas as pd

# 创建一个DataFrame
data = pd.DataFrame([['foo','one','small',1],['foo','one','large',5],
['bar','one','small',10],['bar','two','small',10],
['bar','two','large',50]], columns=list('ABCD'))

# 示例 1: 判断B列中的值是否为one和two
data_1 = data['B'].isin(['one','two'])

# 示例 2: 判断data中的所有值是否为foo、small和two
data_2 = data.isin(['foo','small','two'])

# 示例 3: 判断A列中的值是否为foo，C列中的值是否为small或large，其他列返回False
data_3 = data.isin({"A":['foo'],'C':['small','large']})

引用中提到了isin()函数的使用示例，并且提到isin()还可以与loc方法连用，用来对数据进行筛选。例如，可以使用data[data['B'].isin(['one'])筛选出B列的值为one的数据。另外，引用中还提到了Pandas的旧版本中有一个逆函数notin()，但在最新版本中已经被删除，可以使用~符号达到同样的效果。

总结而言，Pandas的isin()函数是用来判断数据是否与给定值相等的函数，可以用于Series和DataFrame，返回的结果为True或False。它可以用于对数据进行筛选和筛选出满足条件的数据。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [Pandas:isin()用法及其注意事项](https://blog.csdn.net/yeshang_lady/article/details/112207877)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]