Question

我有一个pandas数据框，其中包含用户ID'subscriber_id'列表以及其他一些信息。

我想只选择不在给定列表A中的订阅者。

因此，如果我们的数据框包含订阅者的信息[1,2,3,4,5]并且我的排除列表是[2,4,5]，那么我现在应该得到一个包含[1,3]信息的数据帧

我尝试过使用如下掩码：

temp = df.mask(lambda x: x['subscriber_id'] not in subscribers)

但没有运气！

我确信not in是有效的Python语法，因为我在列表中测试它如下：

c = [1,2,3,4,5]
if 5 not in c:
    print 'YAY'
>> YAY

过滤数据框的任何建议或替代方法？

Answer 1

您可以使用isin方法：

In [30]: df = pd.DataFrame({'subscriber_id':[1,2,3,4,5]})

In [31]: df
Out[31]: 
   subscriber_id
0              1
1              2
2              3
3              4
4              5

[5 rows x 1 columns]

In [32]: mask = df['subscriber_id'].isin([2,4,5])

In [33]: mask
Out[33]: 
0    False
1     True
2    False
3     True
4     True
Name: subscriber_id, dtype: bool

In [34]: df.loc[~mask]
Out[34]: 
   subscriber_id
0              1
2              3

[2 rows x 1 columns]

如果使用df.mask，则输入必须是布尔NDFrame或数组。 lambda x: x['subscriber_id'] not in subscribers是一个函数，这就是它引发异常的原因。

以下是一种使用df.mask的方法，再次使用isin来形成布尔条件：

In [43]: df['subscriber_id'].mask(df['subscriber_id'].isin([2,4,5]).values)
Out[43]: 
0     1
1   NaN
2     3
3   NaN
4   NaN
Name: subscriber_id, dtype: float64

Answer 2

如果您需要索引，请使用类似的方法：

df[df.index.isin([11663533,12022232])]

通过id列表过滤pandas数据帧

2 个答案: