vDataFrame[].isin

In [ ]:
vDataFrame[].isin(val: list, *args,)

Looks if some specific records are in the vcolumn and it returns the new vDataFrame of the search.

Parameters

Name Type Optional Description
val
list
List of the different records. For example, to check if Badr and Fouad are in the vcolumn. You can write the following list: ["Fouad", "Badr"]

Returns

vDataFrame : The vDataFrame of the search.

Example

In [1]:
from verticapy.datasets import load_amazon
amazon = load_amazon()
display(amazon)
📅
date
Date
Abc
state
Varchar(32)
123
number
Int
11998-01-01ACRE0
21998-01-01ALAGOAS0
31998-01-01AMAPÁ0
41998-01-01AMAZONAS0
51998-01-01BAHIA0
61998-01-01CEARÁ0
71998-01-01DISTRITO FEDERAL0
81998-01-01ESPÍRITO SANTO0
91998-01-01GOIÁS0
101998-01-01MARANHÃO0
111998-01-01MATO GROSSO0
121998-01-01MATO GROSSO DO SUL0
131998-01-01MINAS GERAIS0
141998-01-01PARANÁ0
151998-01-01PARAÍBA0
161998-01-01PARÁ0
171998-01-01PERNAMBUCO0
181998-01-01PIAUÍ0
191998-01-01RIO DE JANEIRO0
201998-01-01RIO GRANDE DO NORTE0
211998-01-01RIO GRANDE DO SUL0
221998-01-01RONDÔNIA0
231998-01-01RORAIMA0
241998-01-01SANTA CATARINA0
251998-01-01SERGIPE0
261998-01-01SÃO PAULO0
271998-01-01TOCANTINS0
281998-02-01ACRE0
291998-02-01ALAGOAS0
301998-02-01AMAPÁ0
311998-02-01AMAZONAS0
321998-02-01BAHIA0
331998-02-01CEARÁ0
341998-02-01DISTRITO FEDERAL0
351998-02-01ESPÍRITO SANTO0
361998-02-01GOIÁS0
371998-02-01MARANHÃO0
381998-02-01MATO GROSSO0
391998-02-01MATO GROSSO DO SUL0
401998-02-01MINAS GERAIS0
411998-02-01PARANÁ0
421998-02-01PARAÍBA0
431998-02-01PARÁ0
441998-02-01PERNAMBUCO0
451998-02-01PIAUÍ0
461998-02-01RIO DE JANEIRO0
471998-02-01RIO GRANDE DO NORTE0
481998-02-01RIO GRANDE DO SUL0
491998-02-01RONDÔNIA0
501998-02-01RORAIMA0
511998-02-01SANTA CATARINA0
521998-02-01SERGIPE0
531998-02-01SÃO PAULO0
541998-02-01TOCANTINS0
551998-03-01ACRE0
561998-03-01ALAGOAS0
571998-03-01AMAPÁ0
581998-03-01AMAZONAS0
591998-03-01BAHIA0
601998-03-01CEARÁ0
611998-03-01DISTRITO FEDERAL0
621998-03-01ESPÍRITO SANTO0
631998-03-01GOIÁS0
641998-03-01MARANHÃO0
651998-03-01MATO GROSSO0
661998-03-01MATO GROSSO DO SUL0
671998-03-01MINAS GERAIS0
681998-03-01PARANÁ0
691998-03-01PARAÍBA0
701998-03-01PARÁ0
711998-03-01PERNAMBUCO0
721998-03-01PIAUÍ0
731998-03-01RIO DE JANEIRO0
741998-03-01RIO GRANDE DO NORTE0
751998-03-01RIO GRANDE DO SUL0
761998-03-01RONDÔNIA0
771998-03-01RORAIMA0
781998-03-01SANTA CATARINA0
791998-03-01SERGIPE0
801998-03-01SÃO PAULO0
811998-03-01TOCANTINS0
821998-04-01ACRE0
831998-04-01ALAGOAS0
841998-04-01AMAPÁ0
851998-04-01AMAZONAS0
861998-04-01BAHIA0
871998-04-01CEARÁ0
881998-04-01DISTRITO FEDERAL0
891998-04-01ESPÍRITO SANTO0
901998-04-01GOIÁS0
911998-04-01MARANHÃO0
921998-04-01MATO GROSSO0
931998-04-01MATO GROSSO DO SUL0
941998-04-01MINAS GERAIS0
951998-04-01PARANÁ0
961998-04-01PARAÍBA0
971998-04-01PARÁ0
981998-04-01PERNAMBUCO0
991998-04-01PIAUÍ0
1001998-04-01RIO DE JANEIRO0
Rows: 1-100 | Columns: 3
In [2]:
amazon["state"].isin(val = ["RIO DE JANEIRO", "GOIÁS", "MARANHÃO"])
Out[2]:
📅
date
Date
Abc
state
Varchar(32)
123
number
Int
11998-01-01GOIÁS0
21998-01-01MARANHÃO0
31998-01-01RIO DE JANEIRO0
41998-02-01GOIÁS0
51998-02-01MARANHÃO0
61998-02-01RIO DE JANEIRO0
71998-03-01GOIÁS0
81998-03-01MARANHÃO0
91998-03-01RIO DE JANEIRO0
101998-04-01GOIÁS0
111998-04-01MARANHÃO0
121998-04-01RIO DE JANEIRO0
131998-05-01GOIÁS0
141998-05-01MARANHÃO0
151998-05-01RIO DE JANEIRO0
161998-06-01GOIÁS172
171998-06-01MARANHÃO78
181998-06-01RIO DE JANEIRO3
191998-07-01GOIÁS512
201998-07-01MARANHÃO274
211998-07-01RIO DE JANEIRO21
221998-08-01GOIÁS2218
231998-08-01MARANHÃO1176
241998-08-01RIO DE JANEIRO21
251998-09-01GOIÁS2867
261998-09-01MARANHÃO3935
271998-09-01RIO DE JANEIRO44
281998-10-01GOIÁS1034
291998-10-01MARANHÃO5137
301998-10-01RIO DE JANEIRO6
311998-11-01GOIÁS47
321998-11-01MARANHÃO2237
331998-11-01RIO DE JANEIRO6
341998-12-01GOIÁS13
351998-12-01MARANHÃO1399
361998-12-01RIO DE JANEIRO1
371999-01-01GOIÁS14
381999-01-01MARANHÃO54
391999-01-01RIO DE JANEIRO0
401999-02-01GOIÁS334
411999-02-01MARANHÃO6
421999-02-01RIO DE JANEIRO0
431999-03-01GOIÁS1
441999-03-01MARANHÃO17
451999-03-01RIO DE JANEIRO0
461999-04-01GOIÁS25
471999-04-01MARANHÃO4
481999-04-01RIO DE JANEIRO1
491999-05-01GOIÁS99
501999-05-01MARANHÃO3
511999-05-01RIO DE JANEIRO7
521999-06-01GOIÁS250
531999-06-01MARANHÃO32
541999-06-01RIO DE JANEIRO8
551999-07-01GOIÁS311
561999-07-01MARANHÃO258
571999-07-01RIO DE JANEIRO14
581999-08-01GOIÁS1198
591999-08-01MARANHÃO895
601999-08-01RIO DE JANEIRO88
611999-09-01GOIÁS1898
621999-09-01MARANHÃO1739
631999-09-01RIO DE JANEIRO192
641999-10-01GOIÁS743
651999-10-01MARANHÃO3208
661999-10-01RIO DE JANEIRO30
671999-11-01GOIÁS110
681999-11-01MARANHÃO1494
691999-11-01RIO DE JANEIRO16
701999-12-01GOIÁS20
711999-12-01MARANHÃO1001
721999-12-01RIO DE JANEIRO0
732000-01-01GOIÁS10
742000-01-01MARANHÃO19
752000-01-01RIO DE JANEIRO0
762000-02-01GOIÁS11
772000-02-01MARANHÃO11
782000-02-01RIO DE JANEIRO1
792000-03-01GOIÁS4
802000-03-01MARANHÃO6
812000-03-01RIO DE JANEIRO0
822000-04-01GOIÁS16
832000-04-01MARANHÃO6
842000-04-01RIO DE JANEIRO2
852000-05-01GOIÁS58
862000-05-01MARANHÃO28
872000-05-01RIO DE JANEIRO5
882000-06-01GOIÁS222
892000-06-01MARANHÃO94
902000-06-01RIO DE JANEIRO14
912000-07-01GOIÁS332
922000-07-01MARANHÃO233
932000-07-01RIO DE JANEIRO22
942000-08-01GOIÁS925
952000-08-01MARANHÃO839
962000-08-01RIO DE JANEIRO34
972000-09-01GOIÁS1293
982000-09-01MARANHÃO1365
992000-09-01RIO DE JANEIRO16
1002000-10-01GOIÁS905
Rows: 1-100 | Columns: 3
In [3]:
amazon["state"].isin("RIO DE JANEIRO", "GOIÁS", "MARANHÃO")
Out[3]:
📅
date
Date
Abc
state
Varchar(32)
123
number
Int
11998-01-01GOIÁS0
21998-01-01MARANHÃO0
31998-01-01RIO DE JANEIRO0
41998-02-01GOIÁS0
51998-02-01MARANHÃO0
61998-02-01RIO DE JANEIRO0
71998-03-01GOIÁS0
81998-03-01MARANHÃO0
91998-03-01RIO DE JANEIRO0
101998-04-01GOIÁS0
111998-04-01MARANHÃO0
121998-04-01RIO DE JANEIRO0
131998-05-01GOIÁS0
141998-05-01MARANHÃO0
151998-05-01RIO DE JANEIRO0
161998-06-01GOIÁS172
171998-06-01MARANHÃO78
181998-06-01RIO DE JANEIRO3
191998-07-01GOIÁS512
201998-07-01MARANHÃO274
211998-07-01RIO DE JANEIRO21
221998-08-01GOIÁS2218
231998-08-01MARANHÃO1176
241998-08-01RIO DE JANEIRO21
251998-09-01GOIÁS2867
261998-09-01MARANHÃO3935
271998-09-01RIO DE JANEIRO44
281998-10-01GOIÁS1034
291998-10-01MARANHÃO5137
301998-10-01RIO DE JANEIRO6
311998-11-01GOIÁS47
321998-11-01MARANHÃO2237
331998-11-01RIO DE JANEIRO6
341998-12-01GOIÁS13
351998-12-01MARANHÃO1399
361998-12-01RIO DE JANEIRO1
371999-01-01GOIÁS14
381999-01-01MARANHÃO54
391999-01-01RIO DE JANEIRO0
401999-02-01GOIÁS334
411999-02-01MARANHÃO6
421999-02-01RIO DE JANEIRO0
431999-03-01GOIÁS1
441999-03-01MARANHÃO17
451999-03-01RIO DE JANEIRO0
461999-04-01GOIÁS25
471999-04-01MARANHÃO4
481999-04-01RIO DE JANEIRO1
491999-05-01GOIÁS99
501999-05-01MARANHÃO3
511999-05-01RIO DE JANEIRO7
521999-06-01GOIÁS250
531999-06-01MARANHÃO32
541999-06-01RIO DE JANEIRO8
551999-07-01GOIÁS311
561999-07-01MARANHÃO258
571999-07-01RIO DE JANEIRO14
581999-08-01GOIÁS1198
591999-08-01MARANHÃO895
601999-08-01RIO DE JANEIRO88
611999-09-01GOIÁS1898
621999-09-01MARANHÃO1739
631999-09-01RIO DE JANEIRO192
641999-10-01GOIÁS743
651999-10-01MARANHÃO3208
661999-10-01RIO DE JANEIRO30
671999-11-01GOIÁS110
681999-11-01MARANHÃO1494
691999-11-01RIO DE JANEIRO16
701999-12-01GOIÁS20
711999-12-01MARANHÃO1001
721999-12-01RIO DE JANEIRO0
732000-01-01GOIÁS10
742000-01-01MARANHÃO19
752000-01-01RIO DE JANEIRO0
762000-02-01GOIÁS11
772000-02-01MARANHÃO11
782000-02-01RIO DE JANEIRO1
792000-03-01GOIÁS4
802000-03-01MARANHÃO6
812000-03-01RIO DE JANEIRO0
822000-04-01GOIÁS16
832000-04-01MARANHÃO6
842000-04-01RIO DE JANEIRO2
852000-05-01GOIÁS58
862000-05-01MARANHÃO28
872000-05-01RIO DE JANEIRO5
882000-06-01GOIÁS222
892000-06-01MARANHÃO94
902000-06-01RIO DE JANEIRO14
912000-07-01GOIÁS332
922000-07-01MARANHÃO233
932000-07-01RIO DE JANEIRO22
942000-08-01GOIÁS925
952000-08-01MARANHÃO839
962000-08-01RIO DE JANEIRO34
972000-09-01GOIÁS1293
982000-09-01MARANHÃO1365
992000-09-01RIO DE JANEIRO16
1002000-10-01GOIÁS905
Rows: 1-100 | Columns: 3

See Also

vDataFrame.isin Looks if some specific records are in the vDataFrame.