Pandas Dataframe 检查列值是不是在列列表中

Posted 2023-03-11

【中文标题】Pandas Dataframe 检查列值是不是在列列表中

【英文标题】：Pandas Dataframe Check if column value is in column listPandas Dataframe 检查列值是否在列列表中

【发布时间】：2018-05-10 20:06:29

【问题描述】：

我有一个数据框df：

data = 'id':[12,112],
        'idlist':[[1,5,7,12,112],[5,7,12,111,113]]
       
df=pd.DataFrame.from_dict(data)

看起来像这样：

    id                idlist
0   12    [1, 5, 7, 12, 112]
1  112  [5, 7, 12, 111, 113]

我需要检查id 是否在idlist 中，然后选择或标记它。我尝试了以下变体并收到注释错误：

df=df.loc[df.id.isin(df.idlist),:] #TypeError: unhashable type: 'list'
df['flag']=df.where(df.idlist.isin(df.idlist),1,0) #TypeError: unhashable type: 'list'

解决方案的其他一些可能方法是列表理解中的.apply？

我在这里寻找一种解决方案，它要么选择id 位于idlist 中的行，要么将id 位于idlist 中的行标记为1。生成的df 应该是：

   id              idlist
0  12  [1, 5, 7, 12, 112]

或：

   flag   id                idlist
0     1   12    [1, 5, 7, 12, 112]
1     0  112  [5, 7, 12, 111, 113]

感谢您的帮助！

【参考方案1】：

使用apply:

df['flag'] = df.apply(lambda x: int(x['id'] in x['idlist']), axis=1)
print (df)
    id                idlist  flag
0   12    [1, 5, 7, 12, 112]     1
1  112  [5, 7, 12, 111, 113]     0

类似的：

df['flag'] = df.apply(lambda x: x['id'] in x['idlist'], axis=1).astype(int)
print (df)
    id                idlist  flag
0   12    [1, 5, 7, 12, 112]     1
1  112  [5, 7, 12, 111, 113]     0

list comprehension:

df['flag'] = [int(x[0] in x[1]) for x in df[['id', 'idlist']].values.tolist()]
print (df)
    id                idlist  flag
0   12    [1, 5, 7, 12, 112]     1
1  112  [5, 7, 12, 111, 113]     0

---

过滤解决方案：

df = df[df.apply(lambda x: x['id'] in x['idlist'], axis=1)]
print (df)
   id              idlist
0  12  [1, 5, 7, 12, 112]

df = df[[x[0] in x[1] for x in df[['id', 'idlist']].values.tolist()]]
print (df)

   id              idlist
0  12  [1, 5, 7, 12, 112]

【讨论】：

我的 df 1.6m 行的时间：

我认为列表理解解决方案应该更快。

这里是：我的 1.6m 行 df 上的时间：df['flag'] = df.loc[:, ('id', 'idlist')].apply(lambda x: 1 if x[0] in x[1] else 0, axis=1) 2min10s | df['flag'] = df.apply(lambda x: int(x['id'] in x['idlist']), axis=1) 1min55s | df['flag'] = df.apply(lambda x: x['id'] in x['idlist'], axis=1).astype(int) 1min54s | df['flag'] = [int(x[0] in x[1]) for x in df[['id', 'idlist']].values.tolist()] 1min24s | df.apply(lambda x : set([x.id]).issubset(x.idlist),1).astype(int)。下面和删除的各种循环要慢得多。获胜者是来自@jezreal 的列表理解版本！

获胜者是基于我的时间的列表理解

【参考方案2】：

您可以使用df.apply 并处理每一行并创建一个新的列标志，该标志将检查条件并根据请求的第二个输出为您提供结果。

df['flag'] = df.loc[:, ('id', 'idlist')].apply(lambda x: 1 if x[0] in x[1] else 0, axis=1)

print(df)

x[0] is id 和 x[1] is idlist 的位置

【讨论】：

你可以只使用列名进行索引，所以：df['flag'] = df.apply(lambda x: x.id in x.idlist, axis=1)

@Swier - 这是我的回答；）

@jezrael dammit，你打败了我：P

【参考方案3】：

尝试简单的for循环：

flaglist = []
for i in range(len(df)):
    if df.id[i] in df.idlist[i]:
        flaglist.append(1)
    else:
        flaglist.append(0)
df["flag"] = flaglist 

df:

    id                idlist  flag
0   12    [1, 5, 7, 12, 112]     1
1  112  [5, 7, 12, 111, 113]     0

要删除行：

flaglist = []
for i in range(len(df)):
    if df.id[i] not in df.idlist[i]:
        flaglist.append(i)
df = df.drop(flaglist)

df:

   id              idlist  flag
0  12  [1, 5, 7, 12, 112]     1

以上可以转换为列表推导式来创建标志列：

df["flag"] = [df.id[i] in df.idlist[i]    for i in range(len(df))]
print(df)
#     id                idlist   flag
# 0   12    [1, 5, 7, 12, 112]   True
# 1  112  [5, 7, 12, 111, 113]  False

或

df["flag"] = [1 if df.id[i] in df.idlist[i] else 0    for i in range(len(df))]
print(df)
#     id                idlist  flag
# 0   12    [1, 5, 7, 12, 112]     1
# 1  112  [5, 7, 12, 111, 113]     0

用于选择行：

flaglist = [i   for i in range(len(df))   if df.id[i] in df.idlist[i]]
print(df.iloc[flaglist])
#    id              idlist
# 0  12  [1, 5, 7, 12, 112]

【参考方案4】：

通过使用issubset

df.apply(lambda  x : set([x.id]).issubset(x.idlist),1).astype(int)
Out[378]: 
0    1
1    0
dtype: int32

通过使用np.vectorize

def myfun(x,y):
    return np.in1d(x,y)


np.vectorize(myfun)(df.id,df.idlist).astype(int)

时间：

%timeit np.vectorize(myfun)(df.id,df.idlist).astype(int)
10000 loops, best of 3: 92.3 µs per loop
%timeit df.apply(lambda  x : set([x.id]).issubset(x.idlist),1).astype(int)
1000 loops, best of 3: 353 µs per loop

【讨论】：

@clg4 一秒，让我再提供一个

尝试了矢量化选项，它实际上比我的数据集上的其他选项慢得多...