pandas.Index.isin#

Index.isin(values, level=None)[源代码]#

返回索引值所在的布尔数组 values 。

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

values类似于集合或列表: 寻求价值。
level字符串或int，可选: 要使用的索引级别的名称或位置(如果索引是 MultiIndex )。

退货

np.ndarray[bool]: 布尔值的NumPy数组。

参见

Series.isin: 系列也是如此。
DataFrame.isin: DataFrames也采用同样的方法。

注意事项

在.的情况下 MultiIndex 您必须指定 values 作为包含长度与级别数相同的元组的类似列表的对象，或指定 level 。否则，它将引发 ValueError 。

如果 level 已指定：

如果这是一个人的名字 而且只有一个 索引级别，使用该级别；
否则，应为表示级别位置的数字。

示例

>>> idx = pd.Index([1,2,3])
>>> idx
Int64Index([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'])

检查多重索引的“COLOR”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])

要检查多重索引的各个级别，请传递一个元组列表：

>>> midx.isin([(1, 'red'), (3, 'red')])
array([ True, False, False])

对于DatetimeIndex，字符串值位于 values 被转换为时间戳。

>>> dates = ['2000-03-11', '2000-03-12', '2000-03-13']
>>> dti = pd.to_datetime(dates)
>>> dti
DatetimeIndex(['2000-03-11', '2000-03-12', '2000-03-13'],
dtype='datetime64[ns]', freq=None)

>>> dti.isin(['2000-03-11'])
array([ True, False, False])

pandas.Index.is_type_compatible

pandas.Index.isna