问题描述：

我有一个 Python pandas DataFrame rpt：

rpt
<class 'pandas.core.frame.DataFrame'>
MultiIndex: 47518 entries, ('000002', '20120331') to ('603366', '20091231')
Data columns:
STK_ID                    47518  non-null values
STK_Name                  47518  non-null values
RPT_Date                  47518  non-null values
sales                     47518  non-null values

我可以过滤库存 ID 如下的行'600809'：rpt[rpt['STK_ID'] == '600809']

<class 'pandas.core.frame.DataFrame'>
MultiIndex: 25 entries, ('600809', '20120331') to ('600809', '20060331')
Data columns:
STK_ID                    25  non-null values
STK_Name                  25  non-null values
RPT_Date                  25  non-null values
sales                     25  non-null values

我想要将某些股票的所有行放在一起，例如['600809','600141','600329']。这意味着我需要这样的语法：

stk_list = ['600809','600141','600329']

rst = rpt[rpt['STK_ID'] in stk_list] # this does not works in pandas 

既然pandas不接受上述命令，如何实现目标呢？

解决方案 1：

使用isin方法：

rpt[rpt['STK_ID'].isin(stk_list)]

解决方案 2：

isin()如果您有一个完全匹配的列表，则是理想的选择，但如果您有一个要查找的部分匹配或子字符串的列表，则可以使用str.contains方法和正则表达式进行过滤。

例如，如果我们想要返回一个 DataFrame，其中所有股票 ID 都以 开头'600'，然后跟任意三位数字：

>>> rpt[rpt['STK_ID'].str.contains(r'^600[0-9]{3}$')] # ^ means start of string
...   STK_ID   ...                                    # [0-9]{3} means any three digits
...  '600809'  ...                                    # $ means end of string
...  '600141'  ...
...  '600329'  ...
...      ...   ...

假设现在我们有一个字符串列表，我们希望其中的值以此'STK_ID'字符串结尾，例如

endstrings = ['01$', '02$', '05$']

我们可以使用正则表达式的“或”字符连接这些字符串|，并将字符串传递给str.contains过滤 DataFrame：

>>> rpt[rpt['STK_ID'].str.contains('|'.join(endstrings)]
...   STK_ID   ...
...  '155905'  ...
...  '633101'  ...
...  '210302'  ...
...      ...   ...

最后，contains可以忽略大小写（通过设置case=False），使您在指定想要匹配的字符串时更加通用。

例如，

str.contains('pandas', case=False)

将匹配PANDAS、PanDAs、paNdAs123等等。

解决方案 3：

您还可以直接查询DataFrame 来获取此信息。

rpt.query('STK_ID in (600809,600141,600329)')

或者类似地搜索范围：

rpt.query('60000 < STK_ID < 70000')

解决方案 4：

您还可以使用以下方式使用范围：

b = df[(df['a'] > 1) & (df['a'] < 5)]

解决方案 5：

使用 Pandas 切分数据

给定一个这样的数据框：

    RPT_Date  STK_ID STK_Name  sales
0 1980-01-01       0   Arthur      0
1 1980-01-02       1    Beate      4
2 1980-01-03       2    Cecil      2
3 1980-01-04       3     Dana      8
4 1980-01-05       4     Eric      4
5 1980-01-06       5    Fidel      5
6 1980-01-07       6   George      4
7 1980-01-08       7     Hans      7
8 1980-01-09       8   Ingrid      7
9 1980-01-10       9    Jones      4

有多种选择或切分数据的方法。

使用 .isin

最明显的是.isin功能。您可以创建一个掩码，为您提供一系列True/False语句，这些语句可以像这样应用于数据框：

mask = df['STK_ID'].isin([4, 2, 6])

mask
0    False
1    False
2     True
3    False
4     True
5    False
6     True
7    False
8    False
9    False
Name: STK_ID, dtype: bool

df[mask]
    RPT_Date  STK_ID STK_Name  sales
2 1980-01-03       2    Cecil      2
4 1980-01-05       4     Eric      4
6 1980-01-07       6   George      4

掩蔽是该问题的临时解决方案，但在速度和内存方面并不总是表现良好。

带索引

通过将索引设置为STK_ID列，我们可以使用 pandas 内置切片对象.loc

df.set_index('STK_ID', inplace=True)
         RPT_Date STK_Name  sales
STK_ID                           
0      1980-01-01   Arthur      0
1      1980-01-02    Beate      4
2      1980-01-03    Cecil      2
3      1980-01-04     Dana      8
4      1980-01-05     Eric      4
5      1980-01-06    Fidel      5
6      1980-01-07   George      4
7      1980-01-08     Hans      7
8      1980-01-09   Ingrid      7
9      1980-01-10    Jones      4

df.loc[[4, 2, 6]]
         RPT_Date STK_Name  sales
STK_ID                           
4      1980-01-05     Eric      4
2      1980-01-03    Cecil      2
6      1980-01-07   George      4

这是一种快捷的方法，即使索引可能需要一点时间，但如果您想执行这样的多个查询，它可以节省时间。

合并数据框

这也可以通过合并数据框来实现。这更适合于拥有比这些示例多得多数据的场景。

stkid_df = pd.DataFrame({"STK_ID": [4,2,6]})
df.merge(stkid_df, on='STK_ID')
   STK_ID   RPT_Date STK_Name  sales
0       2 1980-01-03    Cecil      2
1       4 1980-01-05     Eric      4
2       6 1980-01-07   George      4

笔记

即使有多行具有相同的'STK_ID'

解决方案 6：

您还可以使用“query”和@获得类似的结果：

例如：

df = pd.DataFrame({'A': [1, 2, 3], 'B': ['a', 'b', 'f']})
df = pd.DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
list_of_values = [3,6]
result= df.query("A in @list_of_values")
result
   A  B
1  6  2
2  3  3

解决方案 7：

您可以使用query，即：

b = df.query('a > 1 & a < 5')