Python & Pandas：如何查詢列表類型的列是否包含某些內容？

Question

我有一個數據框，其中包含有關電影的信息。 它有一個名為genre的列，其中包含它所屬的流派列表。 例如：

df['genre']

## returns 

0       ['comedy', 'sci-fi']
1       ['action', 'romance', 'comedy']
2       ['documentary']
3       ['crime','horror']
...

我想知道如何查詢數據框，以便它返回電影屬於某種類型？

例如， df['genre'].contains('comedy')可能會返回 0 或 1。

我知道一個列表，我可以做這樣的事情：

'comedy' in  ['comedy', 'sci-fi']

但是，在 pandas 中，我沒有找到類似的東西，我唯一知道的是df['genre'].str.contains() ，但它不適用於列表類型。

Answer 1

您可以使用apply來創建mask ，然后使用boolean indexing ：

mask = df.genre.apply(lambda x: 'comedy' in x)
df1 = df[mask]
print (df1)
                       genre
0           [comedy, sci-fi]
1  [action, romance, comedy]

Answer 2

使用集合

df.genre.map(set(['comedy']).issubset)

0     True
1     True
2    False
3    False
dtype: bool

---

df.genre[df.genre.map(set(['comedy']).issubset)]

0             [comedy, sci-fi]
1    [action, romance, comedy]
dtype: object

---

以我更喜歡的方式呈現

comedy = set(['comedy'])
iscomedy = comedy.issubset
df[df.genre.map(iscomedy)]

更高效

comedy = set(['comedy'])
iscomedy = comedy.issubset
df[[iscomedy(l) for l in df.genre.values.tolist()]]

在兩遍中使用str
減緩！ 而且不完全准確！

df[df.genre.str.join(' ').str.contains('comedy')]

Answer 3

根據源代碼，您可以使用.str.contains(..., regex=False) 。

Answer 4

您需要設置regex=False並且.str.contains將適用於您所期望的列表值：

In : df['genre'].str.contains('comedy', regex=False)
Out:
0     True
1     True
2    False
3    False
Name: genre, dtype: bool

Answer 5

一個完整的例子：

import pandas as pd

data = pd.DataFrame([[['foo', 'bar']],
                    [['bar', 'baz']]], columns=['list_column'])
print(data)
  list_column
0  [foo, bar]
1  [bar, baz]

filtered_data = data.loc[
    lambda df: df.list_column.apply(
        lambda l: 'foo' in l
    )
]
print(filtered_data)
  list_column
0  [foo, bar]

Answer 6

這可以按照建議的所有三種方式完成，使用str.contains 、 set或apply和in 。 盡管使用set是實現這一目標的最有效方法。

這是在具有 10,000 行的外推數據幀上的三種方法的性能比較：

放

%%timeit -n 500 -r 35
df[df.genre.map(set(['comedy']).issubset)]
2.23 ms ± 154 µs per loop (mean ± std. dev. of 35 runs, 500 loops each)

應用

%%timeit -n 500 -r 35
df[df.genre.apply(lambda x: 'comedy' in x)]
2.36 ms ± 359 µs per loop (mean ± std. dev. of 35 runs, 500 loops each)

str.包含

%%timeit -n 500 -r 35
df[df['genre'].str.contains('comedy', regex=False)]
2.83 ms ± 299 µs per loop (mean ± std. dev. of 35 runs, 500 loops each)

Answer 7

您好這可以使用dataframe框的isin方法來完成。

df1[df1.name.isin(['Rohit','Rahul'])]

這里df1是一個dataframe對象， name是一個字符串系列

>>> df1[df1.name.isin(['Rohit','Rahul'])]
   sample1   name  Marks  Class 
0        1  Rohit     34     10
1        2  Rahul     56     12
>>> type (df1)
<class 'pandas.core.frame.DataFrame> 
>>> df1.head()
   sample1    name  Marks  Class
0        1   Rohit     34     10
1        2   Rahul     56     12
2        3   ankit     78     11
3        4   sajan     98     10
4        5  chintu     76      9

Answer 8

一個使用布爾索引和列表理解的班輪：

searchTerm = 'something'
df[[searchTerm in x for x in df['arrayColumn']]]