Работа с данными в DataFrames pandas часто включает поиск определенных значений в столбце или серии. Однако бывают случаи, когда нам необходимо определить значения, которых нет в ряду. В этой статье блога мы рассмотрим несколько методов вместе с примерами кода для эффективного поиска значений, которых нет в серии DataFrame. Используя эти методы, вы можете улучшить рабочие процессы анализа данных и получить ценную информацию.

Методы поиска значений, отсутствующих в серии DataFrame:

1. Использование оператора «in».
   Один простой подход — использовать оператор «in» вместе с условным оператором, чтобы проверить, присутствует ли каждое значение в данном списке в серии. Мы можем создать новый список для хранения отсутствующих значений. Вот пример:

series = df['column_name']
values_to_check = [value1, value2, value3]
not_present_values = [value for value in values_to_check if value not in series]
print(not_present_values)

2. Использование метода «isin()».
   Метод «isin()» в pandas позволяет нам проверять, присутствуют ли значения из данной итерации в серии. Отрицая результат, мы можем получить значения, которых нет. Вот пример:

series = df['column_name']
values_to_check = [value1, value2, value3]
not_present_values = series[~series.isin(values_to_check)]
print(not_present_values)

3. Использование различий между наборами.
   Преобразуя ряд и заданный список значений в наборы, мы можем легко найти разницу между ними, используя операции над множествами. Этот метод особенно полезен при работе с большими наборами данных. Вот пример:

series = set(df['column_name'])
values_to_check = set([value1, value2, value3])
not_present_values = values_to_check - series
print(not_present_values)

4. Применение метода «query()».
   Метод «query()» в pandas позволяет нам фильтровать DataFrame на основе заданного условия. Используя оператор отрицания, мы можем получить значения, которых нет в ряду. Вот пример:

series = df['column_name']
values_to_check = [value1, value2, value3]
not_present_values = series.query('not @values_to_check')
print(not_present_values)

5. Использование метода «merge()».
   Мы можем использовать метод «merge()» для выполнения внешнего соединения между серией и DataFrame, содержащим значения, которые мы хотим проверить. Результирующий DataFrame будет содержать нулевые значения для значений, отсутствующих в серии. Вот пример:

series = df['column_name']
values_to_check = [value1, value2, value3]
df_values = pd.DataFrame({'values': values_to_check})
merged_df = pd.merge(df_values, series, how='outer', left_on='values', right_on='column_name')
not_present_values = merged_df[merged_df['column_name'].isnull()]['values']
print(not_present_values)

В этой статье мы рассмотрели различные методы эффективного поиска значений, отсутствующих в серии DataFrame. Используя такие методы, как оператор «in», метод «isin()», метод «разность наборов», метод «query()» и метод «merge()», вы можете легко определить недостающие значения в ваших данных. Эти методы обеспечивают гибкость и масштабируемость, позволяя эффективно решать задачи анализа данных. Включите эти методы в свои рабочие процессы с данными, чтобы получать ценную информацию и принимать обоснованные решения.