[英]Finding an Intersection between two lists or dataframes while enforcing an ordering condition
我有两个列表(来自两个单独的 pandas 数据帧的列)并且希望在保留顺序或基于条件排序的同时找到两个列表的交集。 考虑以下示例:
x = ['0 MO', '1 YR', '10 YR', '15 YR', '2 YR', '20 YR', '3 MO', '3 YR',
'30 YR', '4 YR', '5 YR', '6 MO', '7 YR', '9 MO', 'Country']
y = ['Industry', '3 MO', '6 MO', '9 MO', '1 YR', '2 YR', '3 YR',
'4 YR', '5 YR', '7 YR', '10 YR', '15 YR', '20 YR', '30 YR']
answer = set(x).intersection(y)
变量 answer 产生重叠列,但不保留顺序。 有没有办法对解决方案进行排序,使得答案产生:
answer = ['3 MO', '6 MO', '9 MO', '1 YR', '2 YR', '3 YR',
'4 YR', '5 YR', '7 YR', '10 YR', '15 YR', '20 YR',
'30 YR']
即首先按月(“MO”)和整数对相交列表进行排序,然后按年(“YR”)及其整数排序?
或者,是否有 pandas 方法可以通过两个重叠列的数据帧(保留或声明顺序)获得相同的结果?
您可以简单地使用列表推导:
[this_name for this_name in x if this_name in y]
和
[this_name for this_name in y if this_name in x]
我不知道您到底要做什么,但我的回答将针对您描述的用例。 如果您想使用 pandas,我认为以下代码可以满足您的需求。 如果您有更复杂的数据,我认为您可能需要将列类型更改为timedelta
以获得更大的灵活性。 在这种情况下排序是有效的,因为MO
按字母顺序排列在YR
之前。
import pandas as pd
df1 = pd.DataFrame({'x': ['0 MO', '1 YR', '10 YR', '15 YR', '2 YR', '20 YR', '3 MO', '3 YR',
'30 YR', '4 YR', '5 YR', '6 MO', '7 YR', '9 MO', 'Country']})
df2 = pd.DataFrame({'y': ['Industry', '3 MO', '6 MO', '9 MO', '1 YR', '2 YR', '3 YR',
'4 YR', '5 YR', '7 YR', '10 YR', '15 YR', '20 YR', '30 YR']})
# drop 'non-standard' data
df1["x"] = df1["x"].apply(lambda x: x if x[0].isdigit() else None)
df2["y"] = df2["y"].apply(lambda x: x if x[0].isdigit() else None)
df1.dropna(inplace=True)
df2.dropna(inplace=True)
# make two columns to sort
df1["value"] = df1["x"].apply(lambda x: int(x[:-2]))
df1["unit"] = df1["x"].apply(lambda x: x[-2:])
df2["value"] = df2["y"].apply(lambda x: int(x[:-2]))
df2["unit"] = df2["y"].apply(lambda x: x[-2:])
# sort by unit and value
df1 = df1.sort_values(by=["unit", "value"]).drop("x", axis=1)
df2 = df2.sort_values(by=["unit", "value"]).drop("y", axis=1)
# merge
df = pd.merge(df1, df2, on=["unit", "value"])
df["result"] = df.apply(lambda x: str(x["value"]) + " " + x["unit"], axis=1)
df.drop(["unit", "value"], axis=1, inplace=True)
df
使用列表推导来检查x
中的项目是否也存在于y
的集合中。 这保留了每个项目出现在x
中的顺序,同时仅检查y
中的成员资格:
y_set = set(y)
answer = [item for item in x if item in y_set]
或使用filter
完成基本相同的工作:
answer = list(filter(lambda i: i in y_set, x))
Output:
['1 YR', '10 YR', '15 YR', '2 YR', '20 YR', '3 MO', '3 YR', '30 YR', '4 YR', '5 YR', '6 MO', '7 YR', '9 MO']
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.