Bir Panda Sütununun belirli bir değer içerip içermediğini belirleme

Belirli bir değere sahip bir pandalar sütununda bir giriş olup olmadığını belirlemek için çalışıyorum. Bunu yapmaya çalıştım if x in df['id']. Bunun işe yaradığını düşündüm, ancak sütunda olmadığını bildiğim bir değer verdiğimde 43 in df['id']hala döndü True. Yalnızca eksik tanıtıcıyla eşleşen girdileri içeren bir veri çerçevesine alt kümeye girdiğimde df[df['id'] == 43], içinde hiç girdi yok. Panda veri çerçevesindeki bir sütunun belirli bir değer içerip içermediğini nasıl belirlerim ve geçerli yöntemim neden çalışmıyor? (Bilginize, benzer bir soruya bu cevapta uygulamayı kullandığımda aynı sorun yaşıyorum ).

in bir Seri değerin dizinde olup olmadığını kontrol eder:

In [11]: s = pd.Series(list('abc'))

In [12]: s
Out[12]: 
0    a
1    b
2    c
dtype: object

In [13]: 1 in s
Out[13]: True

In [14]: 'a' in s
Out[14]: False

Bir seçenek, benzersiz değerlerde olup olmadığını görmektir :

In [21]: s.unique()
Out[21]: array(['a', 'b', 'c'], dtype=object)

In [22]: 'a' in s.unique()
Out[22]: True

veya bir python seti:

In [23]: set(s)
Out[23]: {'a', 'b', 'c'}

In [24]: 'a' in set(s)
Out[24]: True

@DSM tarafından işaret edildiği gibi, sadece doğrudan değerlerde kullanmak daha verimli olabilir (özellikle bunu sadece bir değer için yapıyorsanız):

In [31]: s.values
Out[31]: array(['a', 'b', 'c'], dtype=object)

In [32]: 'a' in s.values
Out[32]: True

Ayrıca pandas.Series.isin'i biraz daha uzun olmasına rağmen kullanabilirsiniz 'a' in s.values:

In [2]: s = pd.Series(list('abc'))

In [3]: s
Out[3]: 
0    a
1    b
2    c
dtype: object

In [3]: s.isin(['a'])
Out[3]: 
0    True
1    False
2    False
dtype: bool

In [4]: s[s.isin(['a'])].empty
Out[4]: False

In [5]: s[s.isin(['z'])].empty
Out[5]: True

Ancak bir DataFrame için aynı anda birden fazla değeri eşleştirmeniz gerekiyorsa bu yaklaşım daha esnek olabilir (bkz. DataFrame.isin )

>>> df = DataFrame({'A': [1, 2, 3], 'B': [1, 4, 7]})
>>> df.isin({'A': [1, 3], 'B': [4, 7, 12]})
       A      B
0   True  False  # Note that B didn't match 1 here.
1  False   True
2   True   True

found = df[df['Column'].str.contains('Text_to_search')]
print(found.count())

found.count()irade eşleşme sayısını içerir

Ve eğer 0 ise Sütunda dize bulunamadı demektir.

Birkaç basit test yaptım:

In [10]: x = pd.Series(range(1000000))

In [13]: timeit 999999 in x.values
567 µs ± 25.6 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [15]: timeit x.isin([999999]).any()
9.54 ms ± 291 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [16]: timeit (x == 999999).any()
6.86 ms ± 107 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [17]: timeit 999999 in set(x)
79.8 ms ± 1.98 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [21]: timeit x.eq(999999).any()
7.03 ms ± 33.7 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [22]: timeit x.eq(9).any()
7.04 ms ± 60 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [24]: timeit 9 in x.values
666 µs ± 15.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

İlginçtir ki, 9 veya 999999'a bakmanız önemli değildir, sözdizimini kullanmak yaklaşık aynı zaman alır gibi görünüyor (ikili arama kullanıyor olmalıdır)

In [24]: timeit 9 in x.values
666 µs ± 15.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [25]: timeit 9999 in x.values
647 µs ± 5.21 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [26]: timeit 999999 in x.values
642 µs ± 2.11 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [27]: timeit 99199 in x.values
644 µs ± 5.31 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [28]: timeit 1 in x.values
667 µs ± 20.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

X.values ​​kullanmak en hızlı gibi görünüyor, ama belki pandalarda daha zarif bir yol var mı?

Veya Series.tolistveya kullanın Series.any:

>>> s = pd.Series(list('abc'))
>>> s
0    a
1    b
2    c
dtype: object
>>> 'a' in s.tolist()
True
>>> (s=='a').any()
True

Series.tolisthakkında bir liste yapar Seriesve diğeri ben sadece Seriesdüzenli bir boolean alıyorum Series, sonra Trueboolean herhangi bir s olup olmadığını kontrol Series.

Basit durum:

if any(str(elem) in ['a','b'] for elem in df['column'].tolist()):

kullanım

df[df['id']==x].index.tolist()

Eğer mevcutsa x, mevcut idolduğu indekslerin listesini döndürür, aksi takdirde boş bir liste verir.

Birçok hataya yol açabilecek "seri değer" i önermiyorum. Lütfen detaylar için bu cevaba bakınız: Pandas serisi ile operatör kullanımı

Diyelim ki veri çerçevesi şöyle görünüyor:

Şimdi veri çerçevesinde "80900026941984" dosya adının bulunup bulunmadığını kontrol etmek istersiniz.

Basitçe şunu yazabilirsiniz:

if sum(df["filename"].astype("str").str.contains("80900026941984")) > 0:
    print("found")