與 Dataframe 列（多於一列）的列表比較列表

Question

我有一個列表，如：

l=[['A,B,C,D', 'Z', 'category1'],
 ['A,B,C', 'Z', 'category2'],
 ['E,F,G,H', 'T', 'category4'],
 ['A,E,H', 'T', 'category4']]

和一個 DataFrame 像：

Col1       Col2       Col3
A          Z          category1
A,B,C,D    Z          category1
E,F,G,H,I  T          category4
A,E,H      T          category4 
A,E,H      T          category5
A,E,H      U          category4   

所以我想將列表列表與數據框列進行比較（考慮所有 3 列）。 與循環的比較工作效率不高，有沒有辦法進行比較並僅從數據框中返回匹配的行？

Desired Output DataFrame:

Col1       Col2       Col3
A,B,C,D    Z          category1
A,E,H      T          category4 

謝謝！！

Answer 1

如果您尋找所有 3 列的完全匹配，為什么不嘗試將三列連接到第四列：

df['col4']=df['col1']+df['col2']+df['col3']

返回：

        col1 col2       col3                 col4
0          A    Z  category1          AZcategory1
1    A,B,C,D    Z  category1    A,B,C,DZcategory1
2  E,F,G,H,I    T  category4  E,F,G,H,ITcategory4
3      A,E,H    T  category4      A,E,HTcategory4
4      A,E,H    T  category5      A,E,HTcategory5
5      A,E,H    U  category4      A,E,HUcategory4

您可以將 'col4' 與列表list_join的連接字符串進行list_join 。

list_join=[''.join(item) for item in l]

看起來像：

['A,B,C,DZcategory1', 'A,B,CZcategory2', 'E,F,G,HTcategory4', 'A,E,HTcategory4']

然后根據共同值進行合並：

common =df[df['col4'].isin(list_join)]

優點是您只需在單個列中搜索而不是在所有三列中進行搜索，這極大地簡化了您的功能。 缺點是靈活性較低。

Answer 2

創建DataFrame從列表中，然后使用DataFrame.merge默認內部聯接，如果沒有參數on它通過合並兩列的所有DataFrame S：

l=[['A,B,C,D', 'Z', 'category1'],
 ['A,B,C', 'Z', 'category2'],
 ['E,F,G,H', 'T', 'category4'],
 ['A,E,H', 'T', 'category4']]

df = pd.DataFrame(l, columns=['Col1','Col2','Col3']).merge(df)
print (df)
      Col1 Col2       Col3
0  A,B,C,D    Z  category1
1    A,E,H    T  category4

Answer 3

一種方法是使用pandas.Series.duplicated方法：

#df = <your DataFrame defined here>

l=[['A,B,C,D', 'Z', 'category1'],
 ['A,B,C', 'Z', 'category2'],
 ['E,F,G,H', 'T', 'category4'],
 ['A,E,H', 'T', 'category4']]

listdf=pd.DataFrame(data = l, columns=df.columns)   #transform list to dataframe
df=df.append(listdf)  #append your list to the main dataframe

duplicates=df.duplicated() # find duplicate rows; returns series of booleans

print(df[duplicates]) # print duplicate rows

輸出：

#      Col1 Col2       Col3
#0  A,B,C,D    Z  category1
#3    A,E,H    T  category4