熊猫：选择字典中包含特定键的行

Question

我有一个数据框，其中一列都是字典。我想选择其字典包含给定键的行。

>>> df = pd.DataFrame({"A": [1,2,3], "B": [{"a":1}, {"b":2}, {"c":3}]})
>>> df
   A         B
0  1  {'a': 1}
1  2  {'b': 2}
2  3  {'c': 3}
>>> df['b' in df['B']]  
# the desired result is the row with index 1. But this causes an error: KeyError: False

Answer 1

这是一种方法：

df = pd.DataFrame({"A": [1,2,3], "B": [{"a":1}, {"b":2}, {"c":3}]})

df = df[df['B'].map(lambda x: 'b' in x)]

#    A         B
# 1  2  {'b': 2}

说明

• pd.Series.map接受匿名（lambda）函数作为参数。
• 该函数接受的每个元素，B并检查是否b在该元素中，并返回一个布尔序列。
• 我们使用的自然布尔索引来df[bool_series]选择所需的行。