pandas中Isin怎么用

pandas中isin()是一种用于检查值是否存在于序列中的方法。因为pandas是通过numpy实现的，所以isin()的用法类似于numpy中的isin()方法，但是pandas中的isin()方法更加灵活和适用于数据操作。

isin()方法的语法如下：

pandas.isin(values)

其中：

- values参数可以是列表、元组、Series或DataFrame。

- 方法返回值是一个布尔类型的Series或DataFrame。

接下来，我们将重点介绍如何在pandas中使用isin()方法。

## 检查值是否在Series中

首先，我们可以检查一个值是否存在于Series中，通过以下代码：

import pandas as pd

s = pd.Series([10, 20, 30, 40, 50])

print(s.isin([10]))

输出结果如下：

0     True
1    False
2    False
3    False
4    False
dtype: bool

在这个示例中，isin()方法被用来查找值10是否在Series s中。方法输出是一个boolean类型Series，其中索引是从s Series中取得的所有元素，并且 bool值表示索引位置对应的元素是否包含在isin()方法的参数中。如果值包含在isin方法的参数中，则对应索引位置bool类型的值为True，否则为False。

## 检查值是否在DataFrame中

isin()方法同样可以在DataFrame中使用，如下所示：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
print(df.isin({'A': [1, 3], 'B': ['a', 'd']}))

输出结果如下：

       A      B
0   True   True
1  False  False
2   True  False

在这个DataFrame中，列‘A’和列‘B’分别包含数字和字符串值。isin()方法的参数是一个字典，其中列名作为键，需要检查的值作为键值。方法输出是一个DataFrame，其中列会有相同数量的行，行数等于df数据框中的数据的总数。输出DataFrame的行和列的bool值分别表示数据框中的每个值是是否包含在isin()方法的字典参数中。那么，输出DataFrame的行列值就是以下逻辑：

其中，值k表示数据框中的每个值的行列位置。如果值属于参数中指定的列和其对应的值，则为True，否则为False。

## 在数据框中检查一个Series中的值

isin()还可以用于检查一个Series中的值是否存在于一个数据框中的列中。下面是一个示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
s = pd.Series(['a', 'c'])

print(df.isin({'B': s}))

输出结果如下：

       A      B
0  False   True
1  False  False
2  False   True

在这个示例中，isin()方法被用来检查Series s中的值是否存在于列B中。方法输出是一个DataFrame，其中列和行与数据框相同。可以看到，bool值是通过比较与s Series中的值相匹配的数据框df中的列进行比较得出的。

## 使用isin()方法将列计算到数据框

isin()方法还可以用于将True和False值计入数据框的新列。下面是一个示例：

import pandas as pd

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'c']})
df['C'] = df['B'].isin(['b', 'c'])

print(df)

输出结果如下：

   A  B      C
0  1  a  False
1  2  b   True
2  3  c   True

在这个示例中，isin()方法被用来检查数据框df中的列B中的每个值是否包含在isin()方法的参数中。然后，结果被写入到数据框新的列C中。值b和c在列C中计为True，而值a计为False。

我们在pandas中使用isin()方法时还有其他的用例和细节，上述示例仅涵盖了一些基础的用例。在实际使用中，请根据要实现的目标来使用isin()方法。