熊猫-检查列表列中的字符串列是否按行排列

Question

我有一个数据框，您可以用它来构建：

dflist=[['123',['abc','qw3','123']],
        ['ab12',['3e4r5','12we3','asd23','q2w3']]]
df=pd.DataFrame(dflist,columns=['check','checklist'])

看起来像这样：

  check                    checklist
0   123              [abc, qw3, 123]
1  ab12  [3e4r5, 12we3, asd23, q2w3]

我要检查“检查”列中的项目是否在“检查列表”列中的列表中。所以我希望结果数据框看起来像：

  check                    checklist checkisin
0   123              [abc, qw3, 123]      True
1  ab12  [3e4r5, 12we3, asd23, q2w3]     False

我已经尝试了多种方法，包括以各种形式使用.isin，包括apply / lambda。和直接。

这个：

df['checkisin']=df.check.isin(df.checklist)

产生：

  check                    checklist  checkisin
0   123              [abc, qw3, 123]      False
1  ab12  [3e4r5, 12we3, asd23, q2w3]      False

有两个错误。

尝试这样做：df ['checkisin'] = df.apply（lambda x：x.check.isin（x.checklist））给出此错误：

AttributeError: ("'Series' object has no attribute 'check'", 'occurred at index check')

试试这个：

df['checkisin']=df.apply(lambda x:x['check'] in x.checklist)

给出此错误：

KeyError: ('check', 'occurred at index check')

我确定我在这里缺少一些简单的东西。我知道我可以循环执行此操作，但是由于我拥有的DF很大，因此正在寻找Pandas Dataframe列明智的解决方案，并试图“最”有效地处理。

谢谢！

Answer 1

您有一列列表，当然，pandas没有任何本机支持对结构如此糟糕的数据进行操作的功能。如果您想要最大的性能，我建议您理解列表：

df['checkisin'] = [c in l for c, l in zip(df['check'], df['checklist'])]
df
  check                    checklist  checkisin
0   123              [abc, qw3, 123]       True
1  ab12  [3e4r5, 12we3, asd23, q2w3]      False

如果您担心NaN和类型不匹配，则可以考虑实施try-except错误处理：

def check_isin(check, checklist):
    try:
        return check in checklist
    except TypeError:
        return np.NaN

df['checkisin'] = [
    check_isin(c, l) for c, l in zip(df['check'], df['checklist'])
]

有证据表明，列表理解是无法向量化操作的最理想选择。

PS，如果您打算进行大量成员资格测试，请考虑将列表列转换为集合列。

这是如何矢量化此操作的示例。

from itertools import chain

cl = df.pop('checklist')
df = (pd.DataFrame(df.reset_index().values.repeat(cl.str.len(), axis=0), 
                   columns=['group', *df.columns])
        .assign(checklist=list(chain.from_iterable(cl))))

df

   group check checklist
0      0   123       abc
1      0   123       qw3
2      0   123       123
3      1  ab12     3e4r5
4      1  ab12     12we3
5      1  ab12     asd23
6      1  ab12      q2w3
7      1  ab12       123

(df['check'] == df['checklist']).groupby(df.group).any()

group
0     True
1    False
dtype: bool