pandas.Index.isin #
- 指数。isin (值, level = None ) [来源] #
返回一个布尔数组,其中索引值位于value中。
计算是否在传递的值集中找到每个索引值的布尔数组。返回的布尔数组的长度与索引的长度匹配。
- 参数:
- 值集或类似列表
寻求价值观。
- level str 或 int,可选
要使用的索引级别的名称或位置(如果索引是 MultiIndex)。
- 返回:
- np.ndarray[布尔]
NumPy 布尔值数组。
也可以看看
Series.isin
系列也一样。
DataFrame.isin
DataFrame 的方法相同。
笔记
在MultiIndex的情况下,您必须将值指定为类似列表的对象,其中包含长度与级别数相同的元组,或者指定level。否则它会引发一个
ValueError
.如果指定级别:
如果它是一个且仅有一个索引级别的名称,则使用该级别;
否则它应该是一个表示水平位置的数字。
例子
>>> idx = pd.Index([1,2,3]) >>> idx Index([1, 2, 3], dtype='int64')
检查每个索引值是否在值列表中。
>>> idx.isin([1, 4]) array([ True, False, False])
>>> midx = pd.MultiIndex.from_arrays([[1,2,3], ... ['red', 'blue', 'green']], ... names=('number', 'color')) >>> midx MultiIndex([(1, 'red'), (2, 'blue'), (3, 'green')], names=['number', 'color'])
检查 MultiIndex 的“颜色”级别中的字符串是否在颜色列表中。
>>> midx.isin(['red', 'orange', 'yellow'], level='color') array([ True, False, False])
要检查 MultiIndex 的各个级别,请传递元组列表:
>>> midx.isin([(1, 'red'), (3, 'red')]) array([ True, False, False])