如何在Pandas中使用 “NOT IN “过滤器

在Pandas中使用 "NOT IN" 过滤器可以通过两种方式实现，即使用 ~ 符号和使用isin() 函数。下面我会详细介绍这两种方式的语法和示例。

使用 ~ 符号:

在Pandas中，如果你想使用 "NOT IN" 过滤器，可以使用 ~ 符号来实现。具体语法如下：

df[~df['column_name'].isin(['value_1', 'value_2'])]

其中 "~" 符号用于取反运算，"df" 代表要过滤的 DataFrame，'column_name' 是要过滤数据的列名， ['value_1', 'value_2'] 是要过滤的数据集合，即不包括 'value_1' 和 'value_2' 的数据。

下面是一个例子，我们在 DataFrame 中过滤不包含 'value_1' 和 'value_2' 的数据，代码如下：

import pandas as pd

# 创建一个字典
data = {'col1': ['a', 'b', 'c', 'd', 'e'],
        'col2': [1, 2, 3, 4, 5]}

# 创建一个 DataFrame
df = pd.DataFrame(data)

# 在DataFrame中过滤不包括 'a' 和 'e' 的数据
df_result = df[~df['col1'].isin(['a', 'e'])]

print(df_result)

输出结果如下：

  col1  col2
1   b     2
2   c     3
3   d     4

使用 isin() 函数:

还可以使用 isin() 函数来实现去除不需要的数据。这个函数返回布尔索引， 允许我们轻松地获取所需的行。

df[~df['column_name'].isin(['value_1', 'value_2'])]

其中 "~" 符号用于取反，"df" 代表要过滤的 DataFrame，'column_name' 是要过滤数据的列名， ['value_1', 'value_2'] 是要过滤的数据集合。

下面是一个例子，在 DataFrame 中过滤不包含 'value_1' 和 'value_2' 的数据，代码如下：

import pandas as pd

# 创建一个字典
data = {'col1': ['a', 'b', 'c', 'd', 'e'],
        'col2': [1, 2, 3, 4, 5]}

# 创建一个 DataFrame
df = pd.DataFrame(data)

# 在DataFrame中过滤不包括 'a' 和 'e' 的数据
df_result = df[~df['col1'].isin(['a', 'e'])]

print(df_result)

输出结果如下:

  col1  col2
1   b     2
2   c     3
3   d     4

综上所述，以上就是在 Pandas 中使用 "NOT IN" 过滤器的两种方式及其示例。