0

Tengo actualmente un código con un dataframe y una lista, donde quiero comparar si los elementos de la lista coinciden con los de una columna del dataframe. En caso afirmativo, quiero quedarme con la fila completa del dataframe. Así son el df y la lista

print(approval_polls.head(5))

 start_date    end_date         pollster    sponsor  sample_size population  \
0  2020-02-02  2020-02-04           YouGov  Economist       1500.0          a   
1  2020-02-02  2020-02-04           YouGov  Economist        376.0          a   
2  2020-02-02  2020-02-04           YouGov  Economist        523.0          a   
3  2020-02-02  2020-02-04           YouGov  Economist        599.0          a   
4  2020-02-07  2020-02-09  Morning Consult        NaN       2200.0          a   


excel_doc = ['Monmouth University' 'Selzer & Co.' 'ABC News/The Washington Post'
 'Siena College/The New York Times Upshot' 'YouGov']

El código que he escrito es

approval_polls = approval_polls[approval_polls['pollster'].isin(excel_doc)]

A priori esto debería ser válido, verdad?

Me encuentro que el resultado es:

print (approval_polls)

[start_date, end_date, pollster, sponsor, sample_size, population, ...]

El resultado que esperaba, sería algo así:

print(approval_polls.head(5))

 start_date    end_date         pollster    sponsor  sample_size population  \
0  2020-02-02  2020-02-04           YouGov  Economist       1500.0          a   
1  2020-02-02  2020-02-04           YouGov  Economist        376.0          a   
2  2020-02-02  2020-02-04           YouGov  Economist        523.0          a   
3  2020-02-02  2020-02-04           YouGov  Economist        599.0          a   

Alguien me puede decir por qué sucede esto? Muchas gracias.

6
  • lo que quieres hacer es comparar los datos de la columna pollster y saber si se encuentran en la lista excel_doc y que te regrese los que coinciden, no?
    – Christian
    el 28 may. 2021 a las 14:44
  • Tu lista excel_doc está bien como la pegaste? Cada elemento debe estar separado por una coma, o sino Python te va a juntarlo todo en una cadena el 28 may. 2021 a las 14:50
  • @Christian, que me regrese toda la fila del dataframe en caso de que el valor de la columna del dataframe y de los valores del excel coincidan, correcto
    – icatalan
    el 28 may. 2021 a las 14:59
  • @DannyTalent, puede ser que ahí esté el fallo? El excel era otro dataframe, he seleccionado una única columna y he eliminado los valores repetidos usando unique()
    – icatalan
    el 28 may. 2021 a las 15:01
  • @icatalan lamento decir que ese no es el fallo, ya estoy haciendo una respuesta
    – Christian
    el 28 may. 2021 a las 15:05

1 respuesta 1

0

Lo que pasa es que al utilizar df.isin(value) esto retorna un DataFrame de boleanos, mas no retorna los que coinciden, para lograr esto nos podemos ayuda de un filtro basico de pandas.
Un error que tambien tienes es en la lista, pues no esta separada por comas (,), por lo cual deberia quedar asi:

excel_doc = ['Monmouth University','Selzer & Co.','ABC News/The Washington Post','Siena College/The New York Times Upshot','YouGov']

En tu comentario dices que usas list() para convertir a una lista, pero esta mal pues si hacemos eso.

excel_doc = ['Monmouth University' 'Selzer & Co.' 'ABC News/The Washington Post'
 'Siena College/The New York Times Upshot' 'YouGov']

excel_doc = list(excel_doc)
print(excel_doc)

Obtenemos como resultado

['Monmouth UniversitySelzer & Co.ABC News/The Washington PostSiena College/The New York Times UpshotYouGov']

Lo cual hara que al aplicar nuestro filtro no coincida con nada. Es mejor que lo separes por comas o hagas un ciclo for para convertirlo a una lista correctamenete


Para solucionar tu problema podemos utilizar la funcion .apply() de pandas para aplicar una condicion

approval_polls = df["pollster"].apply(lambda x: x in excel_doc )

Bueno esto nos dará como resultado lo mismo que isin(), nos retorna valores boleanos, para eso solo lo metemos en un df para que retorne los elementos que coinciden.

approval_polls = df[df["pollster"].apply(lambda x: x in excel_doc )]

Y listo, tendremos como resultado un DataFrame con los resultados que coincidan

   start_date    end_date pollster    sponsor  sample_size population
0  2020-02-02  2020-02-04   YouGov  Economist       1500.0       a
1  2020-02-02  2020-02-04   YouGov  Economist        376.0       a
2  2020-02-02  2020-02-04   YouGov  Economist        523.0       a
3  2020-02-02  2020-02-04   YouGov  Economist        599.0       a
5
  • muchas gracias por tu respuesta. Para convertir a una lista, simplemente hago list (excel_doc), correcto? Al ejecutar de nuevo la función, me devuelve un dataframe vacío
    – icatalan
    el 28 may. 2021 a las 15:22
  • que raro a mi si me devuelve los datos
    – Christian
    el 28 may. 2021 a las 15:24
  • Edite mi respuesta, ahi explico cual es tu error
    – Christian
    el 28 may. 2021 a las 15:31
  • muchas gracias. Ahora tengo que ver cómo hacer la separación por comas correctamente!
    – icatalan
    el 28 may. 2021 a las 15:34
  • Si deseas puedes hacer otra pregunta, detallando como obtienes esos resultados y especificando cual es el resultado que deseas obtener
    – Christian
    el 28 may. 2021 a las 15:35

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.