我有一個像這樣的df：frame = pd.DataFrame({'a' : ['a,b,c', 'a,c,f', 'b,d,f','a,z,c']})以及項目列表：letters = ['a','c']我的目標是從中獲取至少包含 2 個元素的所有行frameletters我想出了這個解決方案：for i in letters:
subframe = frame[frame['a'].str.contains(i)]這給了我想要的東西，但就可伸縮性而言，它可能不是最好的解決方案。是否有任何“矢量化”解決方案？謝謝
6 回答
Smart貓小萌
TA貢獻1911條經驗 獲得超7個贊
我會建立一個系列列表，然后應用一個矢量化：np.all
contains = [frame['a'].str.contains(i) for i in letters]
resul = frame[np.all(contains, axis=0)]
它按預期提供：
a
0 a,b,c
1 a,c,f
3 a,z,c
POPMUISE
TA貢獻1765條經驗 獲得超5個贊
一種方法是使用 str.split 將列值拆分為列表，并檢查是否為所獲取列表的子集：set(letters)
letters_s = set(letters)
frame[frame.a.str.split(',').map(letters_s.issubset)]
a
0 a,b,c
1 a,c,f
3 a,z,c
基準：
def serge(frame):
contains = [frame['a'].str.contains(i) for i in letters]
return frame[np.all(contains, axis=0)]
def yatu(frame):
letters_s = set(letters)
return frame[frame.a.str.split(',').map(letters_s.issubset)]
def austin(frame):
mask = frame.a.apply(lambda x: np.intersect1d(x.split(','), letters).size > 0)
return frame[mask]
def datanovice(frame):
s = frame['a'].str.split(',').explode().isin(letters).groupby(level=0).cumsum()
return frame.loc[s[s.ge(2)].index.unique()]
perfplot.show(
setup=lambda n: pd.concat([frame]*n, axis=0).reset_index(drop=True),
kernels=[
lambda df: serge(df),
lambda df: yatu(df),
lambda df: df[df['a'].apply(lambda x: np.all([*map(lambda l: l in x, letters)]))],
lambda df: austin(df),
lambda df: datanovice(df),
],
labels=['serge', 'yatu', 'bruno','austin', 'datanovice'],
n_range=[2**k for k in range(0, 18)],
equality_check=lambda x, y: x.equals(y),
xlabel='N'
)
慕運維8079593
TA貢獻1876條經驗 獲得超5個贊
這也解決了它：
frame[frame['a'].apply(lambda x: np.all([*map(lambda l: l in x, letters)]))]
阿波羅的戰車
TA貢獻1862條經驗 獲得超6個贊
您可以使用 ：np.intersect1d
import pandas as pd
import numpy as np
frame = pd.DataFrame({'a' : ['a,b,c', 'a,c,f', 'b,d,f','a,z,c']})
letters = ['a','c']
mask = frame.a.apply(lambda x: np.intersect1d(x.split(','), letters).size > 0)
print(frame[mask])
a
0 a,b,c
1 a,c,f
3 a,z,c
RISEBY
TA貢獻1856條經驗 獲得超5個贊
使用集：是次級集：
frame = pd.DataFrame({'a' : ['a,b,c', 'a,c,f', 'b,d,f','a,z,c','x,y']})
letters = ['a','c']
frame[frame['a'].apply(lambda x: set(letters).issubset(x))]
Out:
a
0 a,b,c
1 a,c,f
3 a,z,c
慕哥6287543
TA貢獻1831條經驗 獲得超10個贊
IIUC 和布爾濾波器explode
這個想法是創建一個單一的系列，然后我們可以分組索引，使用累積總和來計算列表的真實發生次數
s = frame['a'].str.split(',').explode().isin(letters).groupby(level=0).cumsum()
print(s)
0 1.0
0 1.0
0 2.0
1 1.0
1 2.0
1 2.0
2 0.0
2 0.0
2 0.0
3 1.0
3 1.0
3 2.0
frame.loc[s[s.ge(2)].index.unique()]
out:
a
0 a,b,c
1 a,c,f
3 a,z,c
添加回答
舉報
0/150
提交
取消