Pandas 如何过滤 DataFrame 中与 set 集合中的值相等的行

在本文中，我们将介绍如何使用 Pandas 过滤 DataFrame 中符合条件的行，条件是 DataFrame 的某一列中的值与一个给定的 set 集合中的值相等。

阅读更多：Pandas 教程

Pandas DataFrame 和 set

在介绍如何使用 Pandas 过滤 DataFrame 之前，我们需要了解两个概念：DataFrame 和 set。

DataFrame 是 Pandas 库中用于处理结构化数据的一种数据格式。可以将其看作是表格，其中每个表格中的行都代表一个数据记录。每行数据可以有多个列，每列表示一个数据属性。

set 是 Python 中的数据类型之一，用于表示一组无序且元素不重复的数据。set 内部的元素使用花括号 {} 包裹，各个元素之间用逗号 , 隔开。

# 示例代码
# 创建一个名为 my_set 的 set，其中包含 1, 2, 3, 4, 5 这五个元素
my_set = {1, 2, 3, 4, 5}

过滤 DataFrame 中值在 set 集合中的行

假设我们有一个 DataFrame，其中包含了多个学生的学号和所在专业。现在我们需要过滤出所有专业为计算机科学的学生的学号。

import pandas as pd

# 示例代码
# 创建一个 DataFrame，其中包含了多个学生的学号和所在专业
data = {'学号': ['201001', '201002', '201003', '201004', '201005', '201006', '201007'],
        '专业': ['计算机科学', '软件工程', '电子信息工程', '计算机科学', '通信工程', '计算机科学', '物联网工程']}
df = pd.DataFrame(data)

这个 DataFrame 的效果如下所示：

我们发现，我们需要提取的数据记录中，其专业列的值为“计算机科学”。那么我们可以先创建一个 set 集合，将其值设置为“计算机科学”，然后再通过 Pandas 找出 DataFrame 中专业列的值与集合中的值相等的行。

# 示例代码
# 创建一个名为 major_set 的 set，其中包含计算机科学这个元素
major_set = {'计算机科学'}

# 使用 isin 方法，对 df 中专业列的值进行查询
filtered_df = df[df['专业'].isin(major_set)]

使用过滤方法的返回值是一个新的 DataFrame，此时新的 DataFrame 仅包含曾经专业为计算机科学的学生：

注意，在示例代码中，我们使用 DataFrame 列的 isin 方法来进行过滤操作。其中，该方法接受一个集合（set）或列表（list）作为参数。如果 DataFrame 的某一列的值在集合或列表中，则该条记录就符合条件，最后返回符合条件的 DataFrame## 多条件过滤 DataFrame 中值在 set 集合中的行

在实际应用中，我们很少只根据一列的值来过滤 DataFrame。通常情况下，我们会根据多个列的值来筛选数据。那么如何在 Pandas 中实现多条件过滤呢？

假设我们现在有一个 DataFrame，其中包含多个学生的姓名、学号和所在专业。现在我们需要过滤出姓名为“张三”且所在专业为计算机科学的学生的学号。

import pandas as pd

# 示例代码
# 创建一个 DataFrame，其中包含了多个学生的姓名、学号和所在专业
data = {'姓名': ['张三', '李四', '王五', '张三', '赵六', '张三', '周七'],
        '学号': ['201001', '201002', '201003', '201004', '201005', '201006', '201007'],
        '专业': ['计算机科学', '软件工程', '电子信息工程', '计算机科学', '通信工程', '计算机科学', '物联网工程']}
df = pd.DataFrame(data)

这个 DataFrame 的效果如下所示：

我们发现，我们需要提取的数据记录中，其姓名列的值为“张三”，并且专业列的值为“计算机科学”。那么我们可以使用 Pandas 的 & 运算符将两个条件连接起来，然后再通过 Pandas 找出 DataFrame 中姓名列和专业列的值与集合中的值相等的行。

# 示例代码
# 创建两个名为 name_set 和 major_set 的 set，其中包含张三和计算机科学这两个元素
name_set = {'张三'}
major_set = {'计算机科学'}

# 使用 & 运算符，组合姓名和专业两个条件，对 df 中的数据进行查询
filtered_df = df[(df['姓名'].isin(name_set)) & (df['专业'].isin(major_set))]

使用过滤方法的返回值是一个新的 DataFrame，此时新的 DataFrame 仅包含符合条件的学生记录：

在示例代码中，我们使用 & 运算符来将两个条件连接在一起，对 DataFrame 进行筛选操作。其中，& 运算符表示逻辑与操作，只有两个条件全部成立时，才会返回符合条件的 DataFrame。

总结

Pandas 是 Python 中用于数据处理的重要库之一。在 Pandas 中，我们可以使用 Boolean 索引、loc 和 iloc、isin 等多种方法来进行 DataFrame 数据的筛选和过滤操作。本文主要介绍了如何使用 Pandas 过滤 DataFrame 中与 set 集合中的值相等的行，并且还介绍了如何在 Pandas 中实现多条件过滤。这些技巧可以帮助我们更加方便地对 DataFrame 进行数据筛选、清洗和处理，从而提高数据处理的效率。

需要注意的是，在使用过滤方法时，我们需要先创建一个包含过滤条件的 set 集合，然后使用 Pandas 提供的过滤方法来筛选出符合条件的 DataFrame。在进行多条件过滤操作时，我们可以使用逻辑运算符将多个条件连接在一起，对 DataFrame 进行筛选操作。

在实际操作中，我们应该结合自己的情况和需要，选择最适合自己的 Pandas 数据处理方法和技巧，从而更加高效地处理和分析数据。