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"**

Tässä osiossa jatketaan datan poimimista käyttämällä tiettyjä ehtoja. Tässä tutustut hyödylliseen menetelmään nimeltä `.isin()`. Ensin sinun tulee tarkastella tietojoukkoa. Katso viisi ensimmäistä riviä:

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())

Seuraavaksi tarkastele alla olevaa esimerkkiä ja selitystä:

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())

**Selitys:**

Kuten muistamme, ehdot asetetaan aina `.loc[]`-attribuutin sisään. Tässä toimitaan samoin. `.isin(list)`-metodi tarkistaa, löytyvätkö sarakkeen arvot annetusta taulukosta. Tässä tapauksessa tarkistetaan, löytyvätkö sarakkeen `'Manufacturer'` arvot listasta `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

Tämä kurssi sisältää runsaasti hyödyllisiä toimintoja tulevalle data-analyytikolle. Opit erilaisia tapoja tietojen poimimiseen ja voit jopa asettaa niille ehtoja. Tämän jälkeen tulet tutuksi tietojen ryhmittelymenetelmien kanssa. Lisäksi opit, kuinka esikäsitellä tietoja. Jokaisessa osiossa on oma tietoaineistonsa, joten kurssi on mukaansatempaava.

Tässä osiossa opit, kuinka voit tulostaa tiettyjä sarakkeita niiden nimien tai indeksien perusteella. Lisäksi tutustut tapoihin, joilla voit valita rivejä indeksien avulla.

Tässä opit, kuinka voit poimia dataa, jolla on tietyt ehdot. Opit myös, kuinka yhdistää näitä ehtoja ja jopa luoda omia ehtoja.

Tässä osiossa laajennat tietämystäsi erilaisten datan ehtojen asettamisesta. Opit tarkistamaan, onko datasi määritellyssä arvolistassa tai kahden arvon välillä. Opit myös löytämään suurimmat ja pienimmät arvot.

Tämä osio on yksi kurssin kiehtovimmista. Tässä opit ryhmittelemään dataa eri tavoilla. Tämä auttaa sinua työskentelemään data-analyytikkona ja löytämään tietoa tietyistä dataryhmistä.

Tämä osio on yksi tärkeimmistä data-analyytikolle, koska jos data sisältää puuttuvia arvoja tai on väärässä muodossa, sen kanssa työskentely on mahdotonta. Tässä opit käsittelemään tällaisia sopimattomia arvoja.

Onko Data ...?

Ratkaisu