在本专栏第三篇关于筛选的文章中，总结了isin()。

在工作中我们其实经常要用到isin的反面，isnotin。

在pandas中有isnotin么？？？

没有。。

没有。。。

没有。。。。

那怎么实现筛选除了某list以外的那些行呢？

这里有几种方法参考一下。

这是这两天翻看之前写的代码，这么长一段只为了实现isnotin。

记得当时也是搜索网络，根据别人的经验写的，现在看来很繁琐。

先是定义一个参考列表，DataFrame里的一列通过tolist()转换为列表，然后将这两个列表都转换成集合set，然后用difference的方法做差集，再将差集转换回列表，然后再用isin进行筛选。

从最好理解的来：

方法一：pandas没有isnotin，我们自己定义一个。

a.定义函数：

b.运用函数：

方法二：使用列表的not in方法 + 简单函数

这种方法类似于第一种，不过更简洁。

方法三：使用merge

a.先将不想要的筛选出来成一个DataFrame

b.将两个DataFrame使用merge合并

c. 通过isnull筛选空值，筛选出我们想要的。

完整的代码就是一行：df[df.merge(df[df['门店'].isin(list1)], how='outer', on='门店')['人员数量_y'].isnull()]

方法四：~

这是一个偏方。一个神奇飘。

df[~df['门店'].isin(list1)]

就完了？？？

就是这么短。。。。。。。。。。

。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

这个神奇的飘飘~，其实是一种运算符，跟加减运算类似。

~ 是做翻转运算。将二进制里的0变成1，把1变成0，而1就是True，0就是False。

我们看看df[~df['门店'].isin(list1)] 的内层 df['门店'].isin(list1)的实质:

df['门店'].isin(list1)的实质是一串(series)True和False，那在前面加~，变成什么了？

在前面加~之后，所有的元素都发生了翻转，True变成了False，False变成了True。

方法五：

df[df['门店'].isin(list1)==False]

原理跟方法四类似，不过更容易理解。

推荐使用这种方法。