Periksa apakah ada nilai dalam indeks bingkai data pandas

Saya yakin ada cara yang jelas untuk melakukan ini tetapi tidak dapat memikirkan sesuatu yang licin sekarang.

Pada dasarnya alih-alih meningkatkan pengecualian, saya ingin mendapatkan Trueatau Falsemelihat apakah ada nilai dalam dfindeks pandas .

import pandas as pd
df = pd.DataFrame({'test':[1,2,3,4]}, index=['a','b','c','d'])
df.loc['g']  # (should give False)

Apa yang saya kerjakan sekarang adalah sebagai berikut

sum(df.index == 'g')

Ini seharusnya berhasil

'g' in df.index

Hanya untuk referensi karena itu adalah sesuatu yang saya cari, Anda dapat menguji keberadaan dalam nilai atau indeks dengan menambahkan metode ".values", misalnya

g in df.<your selected field>.values
g in df.index.values

Saya menemukan bahwa menambahkan ".values" untuk mendapatkan daftar sederhana atau ndarray out membuat ada atau "dalam" pemeriksaan berjalan lebih lancar dengan alat python lainnya. Hanya berpikir saya akan melemparkannya ke luar sana untuk orang-orang.

Multi index bekerja sedikit berbeda dari single index. Berikut beberapa metode untuk dataframe multi-indeks.

df = pd.DataFrame({'col1': ['a', 'b','c', 'd'], 'col2': ['X','X','Y', 'Y'], 'col3': [1, 2, 3, 4]}, columns=['col1', 'col2', 'col3'])
df = df.set_index(['col1', 'col2'])

in df.index bekerja untuk tingkat pertama hanya saat memeriksa nilai indeks tunggal.

'a' in df.index     # True
'X' in df.index     # False

Periksa df.index.levelslevel lainnya.

'a' in df.index.levels[0] # True
'X' in df.index.levels[1] # True

Periksa df.indextupel kombinasi indeks.

('a', 'X') in df.index  # True
('a', 'Y') in df.index  # False

dengan DataFrame: df_data

>>> df_data
  id   name  value
0  a  ampha      1
1  b   beta      2
2  c     ce      3

Saya mencoba:

>>> getattr(df_data, 'value').isin([1]).any()
True
>>> getattr(df_data, 'value').isin(['1']).any()
True

tapi:

>>> 1 in getattr(df_data, 'value')
True
>>> '1' in getattr(df_data, 'value')
False

Sangat menyenangkan: D

Kode di bawah ini tidak mencetak boolean, tetapi memungkinkan subset dataframe berdasarkan indeks ... Saya mengerti ini mungkin bukan cara yang paling efisien untuk menyelesaikan masalah, tetapi saya (1) suka cara membaca ini dan (2) Anda dapat dengan mudah membuat subset di mana indeks df1 ada di df2:

df3 = df1[df1.index.isin(df2.index)]

atau di mana indeks df1 tidak ada di df2 ...

df3 = df1[~df1.index.isin(df2.index)]

df = pandas.DataFrame({'g':[1]}, index=['isStop'])

#df.loc['g']

if 'g' in df.index:
    print("find g")

if 'isStop' in df.index:
    print("find a")