.isin()

如何解决.isin()

根据要求，这里是一个最小的可重现示例，它会产生 .isin() 的问题，不会删除不在 .isin() 中的值，而只是将它们设置为零：

import os
import pandas as pd

df_example = pd.DataFrame({'Requesting as': {0: 'Employee',1: 'Ex-      Employee',2: 'Employee',3: 'Employee',4: 'Ex-Employee',5: 'Employee',6: 'Employee',7: 'Employee',8: 'Ex-Employee',9: 'Ex-Employee',10: 'Employee',11: 'Employee',12: 'Ex-Employee',13: 'Ex-Employee',14: 'Employee',15: 'Employee',16: 'Employee',17: 'Ex-Employee',18: 'Employee',19: 'Employee',20: 'Ex-Employee',21: 'Employee',22: 'Employee',23: 'Ex-Employee',24: 'Employee',25: 'Employee',26: 'Ex-Employee',27: 'Employee',28: 'Employee',29: 'Ex-Employee',30: 'Employee',31: 'Employee',32: 'Ex-Employee',33: 'Employee',34: 'Employee',35: 'Ex-Employee',36: 'Employee',37: 'Employee',38: 'Ex-Employee',39: 'Employee',40: 'Employee'},'Years of service': {0: -0.4,1: -0.3,2: -0.2,3: 1.0,4: 1.0,5: 1.0,6: 2.0,7: 2.0,8: 2.0,9: 2.0,10: 3.0,11: 3.0,12: 3.0,13: 4.0,14: 4.0,15: 4.0,16: 5.0,17: 5.0,18: 5.0,19: 5.0,20: 6.0,21: 6.0,22: 6.0,23: 11.0,24: 11.0,25: 11.0,26: 16.0,27: 17.0,28: 18.0,29: 21.0,30: 22.0,31: 23.0,32: 26.0,33: 27.0,34: 28.0,35: 31.0,36: 32.0,37: 33.0,38: 35.0,39: 36.0,40: 37.0},'yos_bins': {0: 0,1: 0,2: 0,3: '0-1',4: '0-1',5: '0-1',6: '1-2',7: '1-2',8: '1-2',9: '1-2',10: '2-3',11: '2-3',12: '2-3',13: '3-4',14: '3-4',15: '3-4',16: '4-5',17: '4-5',18: '4-5',19: '4-5',20: '5-6',21: '5-6',22: '5-6',23: '10-15',24: '10-15',25: '10-15',26: '15-20',27: '15-20',28: '15-20',29: '20-40',30: '20-40',31: '20-40',32: '20-40',33: '20-40',34: '20-40',35: '20-40',36: '20-40',37: '20-40',38: '20-40',39: '20-40',40: '20-40'}})


cut_labels = ['0-1','1-2','2-3','3-4','4-5','5-6','6-10','10-15','15-20','20-40']
cut_bins = (0,1,2,3,4,5,6,10,15,20,40)
df_example['yos_bins'] = pd.cut(df_example['Years of service'],bins=cut_bins,labels=cut_labels)

print(df_example['yos_bins'].value_counts())
print(len(df_example['yos_bins']))
print(len(df_example))
print(df_example['yos_bins'].value_counts())

test = df_example[df_example['yos_bins'].isin(['0-1','2-3'])]
print('test dataframe:\n',test)
print('\n')
print('test value counts of yos_bins:\n',test['yos_bins'].value_counts())
print('\n')
dic_test = test.to_dict()
print(dic_test)
print('\n')
print(test.value_counts())ervr

我为“服务年限”列创建了垃圾箱：

cut_labels = ['0-1',40)
df['yos_bins'] = pd.cut(df['Years of service'],labels=cut_labels)

然后我将 .isin() 应用于名为“yos_bins”的数据框列，目的是过滤选择的列值。摘自 df 中的列。

我用来切片的列称为“yos_bins”（即分级的服务年限）。我只想选择 3 个范围（0-1、1-2、2-3 年），但显然该列中包含更多范围。

令我惊讶的是，当我应用 value_counts() 时，我仍然从 df 数据框中获得 yos_bins 列的所有值（但计数为 0）。

test.yos_bins.value_counts()

看起来像这样：

这不是故意的，除了 isin() 中的 3 之外的所有其他 bin 都应该被删除。由此产生的问题是 0 值显示在 sns.countplots 中，所以我最终得到了计数为零的不需要的列。

当我保存 df to_excel() 时，所有“10-15”值字段都显示“带有 2 位数年份的文本日期”错误。我没有将该数据帧加载回 python，所以不确定这是否会导致问题？

有谁知道我如何创建仅包含 3 个 yos_bins 值而不是显示所有 yos_bins 值的测试数据框，但有些值为零？

解决方法

一个丑陋的解决方案，因为 numpy 和 pandas 在元素方面“在”方面存在缺陷。根据我的经验，我使用 numpy 数组手动进行比较。

yos_bins = np.array(df["yos_bins"])
yos_bins_sel = np.array(["0-1","1-2","2-3"])
mask = (yos_bins[:,None] == yos_bins_sel[None,:]).any(1)
df[mask]
   Requesting as  Years of service yos_bins
3       Employee               1.0      0-1
4    Ex-Employee               1.0      0-1
5       Employee               1.0      0-1
6       Employee               2.0      1-2
7       Employee               2.0      1-2
8    Ex-Employee               2.0      1-2
9    Ex-Employee               2.0      1-2
10      Employee               3.0      2-3
11      Employee               3.0      2-3
12   Ex-Employee               3.0      2-3

说明（使用 x 作为 yos_bins，使用 y 作为 yos_bins_sel）

x[:,None] == y[None,:]).all(1) 是主要内容，x[:,None] 将 x 从形状转换为 (n,) 到 (n,1)。 y[None,:] 将 y 从形状 (m,) 转换为 (1,m)。将它们与 == 进行比较形成了形状为 (n,m) 的广播元素级布尔数组，我们希望我们的数组为 (n,) 形，因此我们应用 .any(1) 以便第二维如果至少有一个布尔值是 True（如果元素在 yos_bins_sel 数组中），则被压缩为 True。您最终会得到一个布尔数组，该数组可用于屏蔽原始数据帧。将 x 替换为包含要比较的值的数组，将 y 替换为包含 x 值的数组，您将能够对任何数据集执行此操作。

如何解决.isin()

解决方法

相关推荐