Summary  
This chapter demonstrates how to filter rows in a pandas DataFrame by using the `.isin()` method together with `.loc` to check if column values belong to a specified list.

General domain of usage  
Data analysis

In this video, you will learn how to use the `.isin()` method in pandas to extract data based on specific conditions. You will start by examining the dataset and understanding its structure. Next, you will see how to use `.isin()` to filter rows where the 'Manufacturer' column matches a list of values. The video will break down the code step by step, explaining how conditions are applied within `.loc[]` and how `.isin(list)` checks for membership. Finally, you will be guided through an interactive task: extracting rows where the 'Color' column is either 'Grey', 'White', or 'Black', and displaying the last five rows of the result. This visual walkthrough will reinforce your understanding and prepare you to apply `.isin()` confidently in your own data wrangling projects.

**generation rule: pronounce .isin() as "is in"**

I denne sektion fortsætter vi med at udtrække data ved hjælp af specifikke betingelser. Her vil du blive fortrolig med den nyttige metode kaldet `.isin()`. Men først skal du undersøge datasættet. Se på de første fem rækker:

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv', index_col = 0)
print(data.head())

Se nu på eksemplet og forklaringen nedenfor:

import pandas as pd
data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv', index_col = 0)
models = ['HONDA', 'FORD', 'MERCEDES-BENZ', 'HYUNDAI']
data_extracted = data.loc[data['Manufacturer'].isin(models)]
print(data_extracted.head())

**Forklaring:**

Hvis du husker det, placerer vi altid betingelserne inde i `.loc[]`-attributten. Her gør vi det samme. Metoden `.isin(list)` kontrollerer, om værdierne fra kolonnen findes i arrayet. I dette tilfælde kontrolleres det, om værdierne fra kolonnen `'Manufacturer'` findes i listen `models`.

import unittest
import pandas as pd
import io
import sys


def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


def frames_equal_ignore_col_order(df1, df2):
    """ÐÐµÑÐµÐ²ÑÑÑÑ ÑÑÐ²Ð½ÑÑÑÑ DataFrame Ð½ÐµÐ·Ð°Ð»ÐµÐ¶Ð½Ð¾ Ð²ÑÐ´ Ð¿Ð¾ÑÑÐ´ÐºÑ ÐºÐ¾Ð»Ð¾Ð½Ð¾Ðº."""
    if set(df1.columns) != set(df2.columns):
        return False
    common_cols = sorted(df1.columns)
    df1_sorted = df1[common_cols].reset_index(drop=True)
    df2_sorted = df2[common_cols].reset_index(drop=True)
    return df1_sorted.equals(df2_sorted)


class TestColorsList(unittest.TestCase):
    def test_colors_list(self):
        """
        1. Create the 'colors' list with elements 'Grey', 'White', 'Black' (in this order).
        """
        import user_code
        condition = (
            hasattr(user_code, "colors")
            and isinstance(user_code.colors, list)
            and user_code.colors == ["Grey", "White", "Black"]
        )
        _dynamic_test(
            self,
            condition,
            "The 'colors' list is created correctly with elements ['Grey', 'White', 'Black'].",
            "The 'colors' list is incorrect. Ensure it includes ['Grey', 'White', 'Black'] in the right order."
        )


class TestDataExtraction(unittest.TestCase):
    def test_extracted_rows(self):
        """
        2. Extract data where 'Color' column values are in the list 'colors' using .loc[] and .isin().
        """
        import user_code
        df = pd.read_csv(
            "https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/cars.csv",
            index_col=0,
        )
        ref = df.loc[df["Color"].isin(["Grey", "White", "Black"])]

        condition = (
            hasattr(user_code, "data_extracted")
            and isinstance(user_code.data_extracted, pd.DataFrame)
            and frames_equal_ignore_col_order(user_code.data_extracted, ref)
        )

        _dynamic_test(
            self,
            condition,
            "The 'data_extracted' DataFrame correctly contains rows where Color is Grey, White, or Black.",
            "The filtering by Color is incorrect. Use .loc[] with .isin(colors)."
        )


class TestOutput(unittest.TestCase):
    def test_output_tail(self):
        """
        3. Output the last five rows of 'data_extracted' using .tail().
        """
        import user_code
        captured_output = io.StringIO()
        sys.stdout = captured_output
        print(user_code.data_extracted.tail())
        sys.stdout = sys.__stdout__

        output_text = captured_output.getvalue().strip()
        condition = len(output_text) > 0
        _dynamic_test(
            self,
            condition,
            "The output displays the last five rows of 'data_extracted' using .tail().",
            "The 'data_extracted' DataFrame is not printed correctly. Use print(data_extracted.tail())."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Dette kursus indeholder mange nyttige funktioner for en kommende dataanalytiker. Du vil lære forskellige måder at udtrække data på og endda sætte betingelser for dem. Herefter vil du blive fortrolig med metoder til gruppering af data. Du vil også lære, hvordan man forbehandler data. Hvert afsnit har sit eget datasæt, så kurset bliver spændende.

Dette afsnit vil lære dig, hvordan du kan udtrække specifikke kolonner ved hjælp af deres titler eller indekser. Du vil også blive introduceret til måder, hvorpå du kan vælge rækker ud fra deres indekser.

Her vil du lære, hvordan man udtrækker data, der opfylder specifikke betingelser. Du vil også lære, hvordan man kombinerer dem og endda opretter dine egne.

I dette afsnit vil du udvide din viden om at opstille forskellige datakriterier. Du vil lære at kontrollere, om dine data er i en defineret liste af værdier eller mellem to værdier. Du vil også lære, hvordan du finder de største og mindste værdier.

Dette afsnit er et af de mest fascinerende i kurset. Her vil du lære, hvordan man grupperer data på forskellige måder. Det vil hjælpe dig som dataanalytiker med at finde information om specifikke datagrupper.

Dette afsnit er et af de mest betydningsfulde for en dataanalytiker, fordi det vil være umuligt at arbejde med data, hvis de indeholder manglende dataværdier i forkert format. Derfor vil du her lære, hvordan man håndterer sådanne upassende værdier.

Er data i ...?

Løsning