Sprawdź, czy wartość istnieje w indeksie ramki danych pandy

Jestem pewien, że jest na to oczywisty sposób, ale nie mogę teraz wymyślić nic sprytnego.

Zasadniczo zamiast zgłaszać wyjątek, chciałbym uzyskać Truelub Falsesprawdzić, czy istnieje wartość w dfindeksie pand .

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

To, co teraz pracuję, jest następujące

sum(df.index == 'g')

To powinno załatwić sprawę

'g' in df.index

Dla odniesienia, ponieważ było to coś, czego szukałem, możesz sprawdzić obecność w wartościach lub indeksie, dołączając metodę „.values”, np.

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

Uważam, że dodanie „.values” w celu uzyskania prostej listy lub ndarray powoduje, że kontrole istnieją lub „w” działają płynniej z innymi narzędziami Pythona. Pomyślałem, że rzucę to dla ludzi.

Wiele indeksów działa trochę inaczej niż pojedynczy indeks. Oto kilka metod dla multi-indeksowanej ramki danych.

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 działa na pierwszym poziomie tylko podczas sprawdzania wartości pojedynczego indeksu.

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

Sprawdź df.index.levelsinne poziomy.

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

Sprawdź, df.indexczy istnieje krotka kombinacji indeksów.

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

z DataFrame: df_data

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

Próbowałem:

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

ale:

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

Tak fajnie: D

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") 

Poniższy kod nie drukuje wartości logicznych, ale pozwala na podzbiór ramek danych według indeksu ... Rozumiem, że to prawdopodobnie nie jest najbardziej efektywny sposób rozwiązania problemu, ale (1) podoba mi się sposób, w jaki to czyta i (2) możesz łatwo podzielić gdzie indeks df1 istnieje w df2:

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

lub gdzie indeks df1 nie istnieje w df2 ...

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