我有一个Python pandas DataFrame rpt：
rpt
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 47518 entries, ('000002', '20120331') to ('603366', '20091231')
Data columns:
STK_ID 47518 non-null values
STK_Name 47518 non-null values
RPT_Date 47518 non-null values
sales 47518 non-null values
我可以像这样过滤库存ID为'600809'的行：rpt[rpt['STK_ID'] == '600809']
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 25 entries, ('600809', '20120331') to ('600809', '20060331')
Data columns:
STK_ID 25 non-null values
STK_Name 25 non-null values
RPT_Date 25 non-null values
sales 25 non-null values
我希望将一些股票的所有行放在一起，例如['600809','600141','600329']。这意味着我想要这样的语法：
stk_list = ['600809','600141','600329']
rst = rpt[rpt['STK_ID'] in stk_list] # this does not works in pandas
由于pandas不接受上述命令，如何实现目标？
答案 0 :(得分：514)
使用isin方法。 rpt[rpt['STK_ID'].isin(stk_list)]。
答案 1 :(得分：100)
isin()是理想的，但如果你有一个要查找的部分匹配或子串的列表，你可以使用str.contains方法和正则表达式进行过滤。 / p>
例如，如果我们想要返回一个DataFrame，其中所有的库存ID都以'600'开头，然后是任意三位数字：
>>> rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')] # ^ means start of string
... STK_ID ... # [0-9]{3} means any three digits
... '600809' ... # $ means end of string
... '600141' ...
... '600329' ...
... ... ...
现在假设我们有一个字符串列表，我们希望'STK_ID'中的值结束，例如
endstrings = ['01$', '02$', '05$']
我们可以使用正则表达式'或'字符|加入这些字符串，并将字符串传递给str.contains以过滤DataFrame：
>>> rpt[rpt['STK_ID'].str.contains('|'.join(endstrings)]
... STK_ID ...
... '155905' ...
... '633101' ...
... '210302' ...
... ... ...
最后，contains可以忽略大小写（通过设置case=False），让您在指定要匹配的字符串时更加通用。
例如，
str.contains('pandas', case=False)
将匹配PANDAS，PanDAs，paNdAs123，等等。
答案 2 :(得分：41)
您还可以使用以下方式使用范围：
b = df[(df['a'] > 1) & (df['a'] < 5)]
答案 3 :(得分：37)
您也可以直接query您的DataFrame获取此信息。
rpt.query('STK_ID in (600809,600141,600329)')
或者类似地搜索范围：
rpt.query('60000 < STK_ID < 70000')
答案 4 :(得分：20)
给出如下数据框：
RPT_Date STK_ID STK_Name sales
0 1980-01-01 0 Arthur 0
1 1980-01-02 1 Beate 4
2 1980-01-03 2 Cecil 2
3 1980-01-04 3 Dana 8
4 1980-01-05 4 Eric 4
5 1980-01-06 5 Fidel 5
6 1980-01-07 6 George 4
7 1980-01-08 7 Hans 7
8 1980-01-09 8 Ingrid 7
9 1980-01-10 9 Jones 4
有多种方法可以选择或切片数据。
最明显的是.isin功能。您可以创建一个掩码，为您提供一系列True / False语句，这些语句可以应用于这样的数据框：
mask = df['STK_ID'].isin([4, 2, 6])
mask
0 False
1 False
2 True
3 False
4 True
5 False
6 True
7 False
8 False
9 False
Name: STK_ID, dtype: bool
df[mask]
RPT_Date STK_ID STK_Name sales
2 1980-01-03 2 Cecil 2
4 1980-01-05 4 Eric 4
6 1980-01-07 6 George 4
屏蔽是问题的临时解决方案，但在速度和内存方面并不总是表现良好。
通过将索引设置为STK_ID列，我们可以使用pandas内置切片对象.loc
df.set_index('STK_ID', inplace=True)
RPT_Date STK_Name sales
STK_ID
0 1980-01-01 Arthur 0
1 1980-01-02 Beate 4
2 1980-01-03 Cecil 2
3 1980-01-04 Dana 8
4 1980-01-05 Eric 4
5 1980-01-06 Fidel 5
6 1980-01-07 George 4
7 1980-01-08 Hans 7
8 1980-01-09 Ingrid 7
9 1980-01-10 Jones 4
df.loc[[4, 2, 6]]
RPT_Date STK_Name sales
STK_ID
4 1980-01-05 Eric 4
2 1980-01-03 Cecil 2
6 1980-01-07 George 4
这是快速执行此操作的方法，即使索引可能需要一段时间，如果您想要执行此类多个查询，也可以节省时间。
这也可以通过合并数据帧来完成。对于比这些示例中的数据更多的情况，这更适合。
stkid_df = pd.DataFrame({"STK_ID": [4,2,6]})
df.merge(stkid_df, on='STK_ID')
STK_ID RPT_Date STK_Name sales
0 2 1980-01-03 Cecil 2
1 4 1980-01-05 Eric 4
2 6 1980-01-07 George 4
即使有多个行具有相同的'STK_ID'
答案 5 :(得分：6)
使用'query'和@：
也可以获得类似的结果例如：
df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
df = pd.DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
list_of_values = [3,6]
result= df.query("A in @list_of_values")
result
A B
1 6 2
2 3 3
答案 6 :(得分：5)
您可以使用query，即：
b = df.query('a > 1 & a < 5')