邏輯篩選的總結(jié)isin,in和not in婚惫,~氛赐,&和|魂爪,between

1.isin和~(取反)

返回值為布爾結(jié)果。

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
a
image.png
  • column長度相同的列表
a.isin([1,90,131])
image.png
  • column長度不相同的列表
a.isin([1,90,131,107])
image.png
  • dict列表
    先匹配column艰管,匹配成功再匹配值滓侍,如果成功,則返回True牲芋。
    如果匹配column失敗撩笆,則該列全部返回False。
a.isin({'id':[1,5],
        'A':[115,85],
        'B':[90,70,107]})
image.png
a.isin({'A':[115,85],
        'B':[90,70,107],
        'D':[1,1,1]})
image.png
  • DataFrame
    列名匹配缸浦,對應(yīng)位置的數(shù)值匹配(如果位置不對應(yīng)出現(xiàn)相同數(shù)值也不會返回True)
b=pd.DataFrame({'id':[1,5,7],
        'A':[115,85,92],
        'B':[90,70,107]
               })
a.isin(b)
image.png

*取反:

~a.isin(b)
image.png

2.in和not in

僅針對列表夕冲,是兩個'互斥'的函數(shù)。
in:如果判斷一個list是否在另一個list中裂逐,必須全部匹配才返回True歹鱼,否則返回False。如果判斷一個str或者int是否在另一個list中卜高,匹配一次即可返回True弥姻。

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
A_list=a.A.tolist()[1]
B_list=a.B.tolist()
print(A_list in B_list)
A_list=a.A.tolist()[0:2]
print(A_list in B_list)
image.png

not in就是in取反了


image.png

4.|和&

用于條件判斷
|相當(dāng)于數(shù)學(xué)中的'或',只要有一個條件成立即可
&相當(dāng)于數(shù)學(xué)中的'且'篙悯,必須兩個或多個條件同時成立才可蚁阳。

4.1 1&1

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
if (1 in list(a.id))&(89 in list(a.A)):
    print('True')
else:
    print('Fasle')
image.png

4.2 1&0

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
if (1 in list(a.id))&(89 not in list(a.A)):
    print('True')
else:
    print('Fasle')
image.png

4.3 1|0

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
if (1 in list(a.id))|(89 not in list(a.A)):
    print('True')
else:
    print('Fasle')
image.png

4.4 0|0

a=pd.DataFrame({'id':[1,2,3,4,5],
             'A':[89,90,102,115,85],
             'B':[90,95,70,131,107]})
if (1 not in list(a.id))|(89 not in list(a.A)):
    print('True')
else:
    print('Fasle')
image.png

5.between

series或DataFrame的值是否在兩個數(shù)之間

a = pd.DataFrame(np.arange(24).reshape(6,4), columns=list('ABCD'))
print(a)
print('')

a_1 = a['A'].between(3,13) #A列在3-13之間的值,包含3和13兩個端點(diǎn)
print(a_1)
image.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末鸽照,一起剝皮案震驚了整個濱河市螺捐,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌矮燎,老刑警劉巖定血,帶你破解...
    沈念sama閱讀 221,548評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異诞外,居然都是意外死亡澜沟,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,497評論 3 399
  • 文/潘曉璐 我一進(jìn)店門峡谊,熙熙樓的掌柜王于貴愁眉苦臉地迎上來茫虽,“玉大人,你說我怎么就攤上這事既们”粑觯” “怎么了?”我有些...
    開封第一講書人閱讀 167,990評論 0 360
  • 文/不壞的土叔 我叫張陵啥纸,是天一觀的道長号杏。 經(jīng)常有香客問我,道長斯棒,這世上最難降的妖魔是什么盾致? 我笑而不...
    開封第一講書人閱讀 59,618評論 1 296
  • 正文 為了忘掉前任主经,我火速辦了婚禮,結(jié)果婚禮上庭惜,老公的妹妹穿的比我還像新娘罩驻。我一直安慰自己,他們只是感情好蜈块,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,618評論 6 397
  • 文/花漫 我一把揭開白布鉴腻。 她就那樣靜靜地躺著,像睡著了一般百揭。 火紅的嫁衣襯著肌膚如雪爽哎。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,246評論 1 308
  • 那天器一,我揣著相機(jī)與錄音课锌,去河邊找鬼。 笑死祈秕,一個胖子當(dāng)著我的面吹牛渺贤,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播请毛,決...
    沈念sama閱讀 40,819評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼志鞍,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了方仿?” 一聲冷哼從身側(cè)響起固棚,我...
    開封第一講書人閱讀 39,725評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎仙蚜,沒想到半個月后此洲,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,268評論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡委粉,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,356評論 3 340
  • 正文 我和宋清朗相戀三年呜师,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片贾节。...
    茶點(diǎn)故事閱讀 40,488評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡汁汗,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出栗涂,到底是詐尸還是另有隱情知牌,我是刑警寧澤,帶...
    沈念sama閱讀 36,181評論 5 350
  • 正文 年R本政府宣布戴差,位于F島的核電站送爸,受9級特大地震影響铛嘱,放射性物質(zhì)發(fā)生泄漏暖释。R本人自食惡果不足惜袭厂,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,862評論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望球匕。 院中可真熱鬧纹磺,春花似錦、人聲如沸亮曹。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,331評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽照卦。三九已至式矫,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間役耕,已是汗流浹背采转。 一陣腳步聲響...
    開封第一講書人閱讀 33,445評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留瞬痘,地道東北人故慈。 一個月前我還...
    沈念sama閱讀 48,897評論 3 376
  • 正文 我出身青樓,卻偏偏與公主長得像框全,于是被迫代替她去往敵國和親察绷。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,500評論 2 359