
Pandas是Python中一個(gè)重要的數(shù)據(jù)處理庫(kù),它提供了強(qiáng)大的數(shù)據(jù)操作和分析功能。在數(shù)據(jù)分析過(guò)程中,經(jīng)常需要從一個(gè)數(shù)據(jù)表中篩選出另一個(gè)數(shù)據(jù)表中出現(xiàn)的值,這是一項(xiàng)常見(jiàn)且重要的操作。在本文中,我們將詳細(xì)介紹如何使用Pandas實(shí)現(xiàn)從總表中篩選出另一個(gè)表中出現(xiàn)的值。
首先,我們需要了解所需要的兩個(gè)數(shù)據(jù)表的基本結(jié)構(gòu)和格式。假設(shè)我們有一個(gè)總表(也稱為主表)和一個(gè)子表(也稱為從表),并且這兩個(gè)表都是以CSV文件形式存儲(chǔ)的。我們將使用Pandas庫(kù)來(lái)讀取這兩個(gè)文件,并進(jìn)行相關(guān)操作。
接下來(lái),我們需要導(dǎo)入Pandas庫(kù),并使用pandas.read_csv()
函數(shù)來(lái)讀取這兩個(gè)文件。假設(shè)總表文件為master.csv
,子表文件為sub.csv
,代碼如下:
import pandas as pd
master_df = pd.read_csv("master.csv")
sub_df = pd.read_csv("sub.csv")
通過(guò)以上代碼,我們已經(jīng)成功將總表和子表加載入內(nèi)存中,并將它們分別存儲(chǔ)在名為master_df
和sub_df
的Pandas DataFrame中。
接下來(lái),我們可以使用pandas.DataFrame.isin()
方法來(lái)查找子表中出現(xiàn)在總表中的所有值。具體來(lái)說(shuō),isin()
方法可以接受一個(gè)Series或DataFrame對(duì)象作為參數(shù),并返回一個(gè)布爾型的DataFrame對(duì)象,其中True表示對(duì)應(yīng)的元素在給定Series或DataFrame對(duì)象中出現(xiàn)過(guò)。
假設(shè)子表中的關(guān)鍵列為key_column
,我們可以通過(guò)以下代碼獲取所有出現(xiàn)在總表中的值:
sub_in_master = sub_df[sub_df['key_column'].isin(master_df['key_column'])]
在上面的代碼中,我們首先使用子表的關(guān)鍵列key_column
來(lái)選擇子表中的行,然后通過(guò)isin()
方法來(lái)判斷這些行對(duì)應(yīng)的值是否出現(xiàn)在總表的關(guān)鍵列key_column
中。最終,sub_in_master
將只包含所有在總表中出現(xiàn)的行。
如果我們希望返回的數(shù)據(jù)包含子表中所有的列,而不僅僅是關(guān)鍵列,那么可以直接使用loc[]
方法將行和所有列都選擇出來(lái),如下所示:
sub_in_master = sub_df.loc[sub_df['key_column'].isin(master_df['key_column'])]
除了isin()
方法外,還有一些其他的方法可以實(shí)現(xiàn)從總表中篩選出另一個(gè)表中出現(xiàn)的值。例如,可以使用pandas.merge()
方法將兩個(gè)表根據(jù)某個(gè)共同的列進(jìn)行合并,并指定合并方式為‘inner’。具體來(lái)說(shuō),代碼如下:
merged_df = pd.merge(sub_df, master_df, on='key_column', how='inner')
在上面的代碼中,on='key_column'
指定了合并時(shí)使用的共同列,how='inner'
表示合并方式為內(nèi)部連接,即只返回兩個(gè)表中共同存在的行。
無(wú)論是使用isin()
方法還是merge()
方法,我們都需要注意關(guān)鍵列的類型和格式必須相同。否則,在進(jìn)行篩選操作時(shí)可能會(huì)出現(xiàn)錯(cuò)誤或不符合預(yù)期的結(jié)果。
總之,通過(guò)以上介紹,我們已經(jīng)詳盡地了解了如何使用Pandas實(shí)現(xiàn)從總表中篩選出另一個(gè)表中出現(xiàn)的值。在數(shù)據(jù)分析過(guò)程中,這是一項(xiàng)常見(jiàn)且重要的操作,掌握這些技巧可以幫助我們更加高效地完成數(shù)據(jù)處理任務(wù)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10