如何在多个值上过滤数据框中的单个列答案

【问题标题】：how can I Filter single column in a dataframe on multiple values如何在多个值上过滤数据框中的单个列
【发布时间】：2020-04-04 02:31:55
【问题描述】：

我有一个数据框，我想通过单个列中的多个值对其进行过滤，我该如何实现呢？当我按奇异值过滤时，我通常使用df_filtered = df[df['column'] == value]，但至少在我尝试过的情况下，这不适用于 61 个值。谢谢你。

     MRN  ... Result
0  13556832  ...  400.0
1  13556832  ...  400.0
2  13556832  ...  400.0
3  13556832  ...  392.0
4  13556832  ...  400.0

这里是数据帧的示例（大约有 100k 行，我需要过滤我为项目确定的 61 个 MRN 值。所以最终我希望有一个单独的 df 包含所有 MRN 值我认为很重要。

我本质上是在寻找一个类似于 .isin() 运算符的解决方案，除了 61 个值，而不是 2 个最大值

【问题讨论】：

【解决方案1】：

将所有 61 个 MRN 放入一个列表中-

mrnList = [val1, val2, ...,val61]

然后过滤这些 MRN，比如-

df_filtered = df[df['MRN'].isin(mrnList)]

在制作 mrnList 时记下您的 MRN 值的数据类型。

【讨论】：

【解决方案2】：

您可以将numpy.where 用于单个条件

import numpy as np
df_filtered = np.where(df['column'] == value, True, False)

和logical_or，logical_and 用于多个条件

import numpy as np
cond1 = df['column'] == value
cond2 = df['column'] == value2
df_filtered = np.where(np.logical_or(cond1, cond2), True, False)

对于通过值列表进行过滤isin 派上用场

whitelist = []
df_filtered = np.where(np.isin(df['value'], whitelist)), True, False)

对于过滤一个完整的DataFrameisin可以像

df_filtered = df[df.value.isin(whitelist)]

【讨论】：