Pandas 过滤多列多行

Question

我正在尝试根据特定日期和国家/地区名称过滤数据框。我已经提取了我希望最终数据框包含的列。我还创建了一个要过滤的国家名称列表。

cols_to_keep = projects[['regionname', 'countryname', 'lendinginstr', 'totalamt', 'boardapprovaldate','location', 'GeoLocID', 'GeoLocName','Latitude', 'Longitude', 'Country', 'project_name']]
countries = ['Bosnia', 'Herzegovina', 'Croatia', 'Kosovo', 'Macedonia', 'Serbia', 'Slovenia']

然后我尝试过滤我想要的日期，即 1992 年 4 月 27 日。

projects['boardapprovaldate'] < pd.Timestamp(datetime.date(1992,4,27))

然后我尝试对我想要的国家/地区名称应用日期过滤器：

cols_to_keep[(cols_to_keep['boardapprovaldate'] < pd.Timestamp(datetime.date(1992,4,27))) & 
             (cols_to_keep['countryname'].isin(countries))].sort_values('boardapprovaldate')

当我应该有 12 行时只显示 2 行

但是，如果我尝试

str.contains() instead of isin()

方法我可以检索到我想要的正确结果。

projects[(projects['boardapprovaldate'] < pd.Timestamp(datetime.date(1992,4,27))) & 
         ((projects['countryname'].str.contains('Bosnia')) | 
         (projects['countryname'].str.contains('Croatia')) | 
         (projects['countryname'].str.contains('Kosovo')) | 
         (projects['countryname'].str.contains('Macedonia')) | 
         (projects['countryname'].str.contains('Montenegro')) | 
         (projects['countryname'].str.contains('Serbia')) | 
         (projects['countryname'].str.contains('Slovenia')))][
    ['regionname', 
     'countryname', 
     'lendinginstr', 
     'totalamt', 
     'boardapprovaldate',
     'location', 
     'GeoLocID', 
     'GeoLocName',
     'Latitude', 
     'Longitude', 
     'Country', 
     'project_name']].sort_values('boardapprovaldate')

有人可以解释一下区别以及为什么会这样吗？

Answer 1

使用isin 检查是否相等。因此，不在您的 countries 列表中的“波斯尼亚和黑塞哥维那”等值将不匹配。

使用 contains 检查子字符串。 "Bosnia" 是 "Bosnia and Herzegovina" 的子字符串。

示例：

srs = pd.Series(["Bosnia and Herzegovina", "Bosnia"])
>>> srs.isin(["Bosnia"])
0    False
1    True
dtype: bool

>>> srs.str.contains("Bosnia")
0     True
1     True
dtype: bool

Pandas 过滤多列多行

Pandas filtering on multiple columns and rows

python

python-datetime

pandas

isin

示例：