我可以将 pandas.dataframe.isin() 与数字容差参数一起使用吗？

我事先查看了以下帖子。有没有办法将 DataFrame.isin() 与近似因子或容差值一起使用？或者还有其他方法可以吗？

如果列中的值位于一组值列表中，则过滤数据框行 https://stackoverflow.com/questions/12065885/how-to-filter-the-dataframe-rows-of-pandas-by-within-in

使用值列表从 pandas 数据框中选择行 https://stackoverflow.com/questions/12096252/use-a-list-of-values-to-select-rows-from-a-pandas-dataframe

EX)

df = DataFrame({'A' : [5,6,3.3,4], 'B' : [1,2,3.2, 5]})

In : df
Out:
   A    B
0  5    1
1  6    2
2  3.3  3.2
3  4    5  

df[df['A'].isin([3, 6], tol=.5)]

In : df
Out:
   A    B
1  6    2
2  3.3  3.2

你可以做类似的事情numpy isclose http://docs.scipy.org/doc/numpy/reference/generated/numpy.isclose.html:

df[np.isclose(df['A'].values[:, None], [3, 6], atol=.5).any(axis=1)]
Out: 
     A    B
1  6.0  2.0
2  3.3  3.2

np.isclose 返回此：

np.isclose(df['A'].values[:, None], [3, 6], atol=.5)
Out: 
array([[False, False],
       [False,  True],
       [ True, False],
       [False, False]], dtype=bool)

这是两两比较df['A']的元素和[3, 6]（这就是为什么我们需要df['A'].values[: None]- 用于广播）。由于您正在寻找它是否接近列表中的任何一个，因此我们调用.any(axis=1)在最后。

对于多列，稍微更改切片：

mask = np.isclose(df[['A', 'B']].values[:, :, None], [3, 6], atol=0.5).any(axis=(1, 2))
mask
Out: array([False,  True,  True, False], dtype=bool)

您可以使用此掩码对 DataFrame 进行切片（即df[mask])

如果你想比较df['A'] and df['B']（以及可能的其他列）使用不同的向量，您可以创建两个不同的掩码：

mask1 = np.isclose(df['A'].values[:, None], [1, 2, 3], atol=.5).any(axis=1)
mask2 = np.isclose(df['B'].values[:, None], [4, 5], atol=.5).any(axis=1)
mask3 = ...

然后切片：

df[mask1 & mask2]  # or df[mask1 & mask2 & mask3 & ...]