检查一个系列是否已经在数据框中答案

【问题标题】：Check if a Series is already in a Dataframe检查一个系列是否已经在数据框中
【发布时间】：2019-06-10 13:21:59
【问题描述】：

假设你有一些学生

students = [ ['Jack', 34, 'Sydeny'] ,
             ['Riti', 30, 'Delhi' ] ,
             ['Aadi', 16, 'New York'] ]
dfObj = pd.DataFrame(students, columns = ['Name', 'Age', 'City'])

现在您会收到这样的系列：

s = pd.Series(['Riti', 30, 'Delhi'], index=['Name', 'Age', 'City'])

我现在可以使用.loc 来过滤如下条件：

filtered_dfObj = dfObj.loc[(dfObj['Name'] == s['Name']) & (dfObj['Age'] == s['Age'])]
filtered_dfObj = filtered_dfObj.loc[filtered_dfObj['City'] == s['City']]

但如果我有很多列，过滤器代码会增长得非常快。所以最好有s.isin(dfObj)这样的选项

5 个答案后更新：这些都是很好的答案 - 谢谢！我还没有在不同的方法之间进行任何速度测试。我个人选择this solution，因为它在列选择方面最灵活（如果需要的话）。

【问题讨论】：

或许能帮到你：python-pandas-remove-duplicate-columns
感谢您的快速回复@AlexandreB。不幸的是，这看起来并不乐观，因为我想检查该系列的内容是否存在于bObj 行中。重复列没有错误。
我认为 df.equals(s) 可能有用.. ?

标签： python pandas dataframe series

【解决方案1】：

考虑以下方法：

# number of full duplicates (rows)
print((dfObj == s).all(axis=1).sum())

如果您只想检查某些列，则可以按列名称添加过滤器，例如：

flt = ['Name', 'Age']
# number of partial duplicates (rows)
print((dfObj[flt] == s[flt]).all(axis=1).sum())

【讨论】：

【解决方案2】：

一种方法是将 Dataframe 数据转换为列表并将系列数据转换为列表并进行比较。

import pandas as pd

students = [ ['Jack', 34, 'Sydeny'] ,
             ['Riti', 30, 'Delhi' ] ,
             ['Aadi', 16, 'New York'] ]
dfObj = pd.DataFrame(students, index = ['Name', 'Age', 'City'])
s = pd.Series(['Riti', 38, 'Delhi'], index=['Name', 'Age', 'City'])

if(s.values.tolist() in dfObj.values.tolist()):
    print("Series present in  Datframe ")
else:
    print("Series NOT present in  Datframe ")

【讨论】：

感谢您提示系列数据和 df 数据不匹配 - 复制/粘贴错误 - 有问题编辑
这种方法适用于小型数据集 - 非常感谢！但是，如果您想避免类型转换，我会倾向于其他选择之一。

【解决方案3】：

使用 apply/lambda 并检查每列 (axis=1) 是否等于 s。

dfObj[dfObj.apply(lambda x: x.equals(s), axis=1)]

结果：

    Name    Age City
1   Riti    39  Delhi

【讨论】：

【解决方案4】：

检查

dfObj.apply(tuple,1).isin([tuple(s.tolist())])

【讨论】：

【解决方案5】：

如果您不关心原始数据框中的索引，这将起作用

df.merge(s.to_frame().T, how="inner")

否则，你可以这样做

df[np.all(df.values == s.reindex(df.columns).values, axis=1)]

【讨论】：