根据不在另一个数据集中的值筛选数据集

Question

我希望根据某个ID是否未出现在不同的数据帧中来过滤数据集。

虽然我不太执着于我决定这样做的方式，如果有我不熟悉的更好方法，但我想将布尔函数应用于我的数据集，将结果放在新列中，然后从该 True/False 结果中过滤整个数据集。

我的主数据帧是df，而我的另一个带有ID的数据帧称为ID：

def groups():
if df['owner_id'] not in ID['owner_id']:
return True
return False

这最终被接受(没有语法问题(，所以我然后把它应用到我的数据帧，结果失败了：

df['ID Groups?'] = df.apply (lambda row: groups() ,axis=1)

结果：

TypeError: ("'Series' objects are mutable, thus they cannot be hashed", 'occurred at index 0')

似乎我尝试使用的数据(ID 既是字母又是数字，所以是字符串(的格式不正确。

我有两个问题：

1. 我提出的方法是最好的方法吗？
2. 如何修复我看到的错误？

如果这是非常明显的事情，我很抱歉，我对 Python 和整个编码的了解非常有限，但我无法找到已经解决此类问题的任何地方。

Answer 1

表达式，用于仅保留与ID中的owner_id匹配的df行：

df = df[df['owner_id'].isin(ID['owner_id'])]

Lambda 表达式将比这慢得多。

isin是熊猫的方式。not in是Python集合的方式。

您收到此错误的原因是df['owner_id'] not in ID['owner_id']左侧哈希以确定它是否存在于右侧。df['owner_id']属于Series类型，并且不可进行哈希处理，如报告所示。幸运的是，它不是必需的。