使用列表理解和 groupby 对 Pandas 数据框进行子集化

Question

我很难将列表理解和 groupby 函数应用于 Pandas 数据框的子集。

我的数据框有一列“patid”，其中包含患者 ID 列表，例如。 25001。患者 (25001) 将有多个行。因此，对于该示例，具有 10,000 行的数据框可能仅包含 10 名患者的数据。我想获取列表 patidList 并返回一个数据框，其中仅包含“patid”列中的值与数据框的 patid 列中的 patids 之一匹配的行。

我已经使用这段代码对数据帧进行了子集化，我知道这在速度方面有点瓶颈。出于练习目的，我已显着减小了此示例中列表和数据框的大小：

class TestClass():

    def __init__(self):
        dictExample = {
            "patid" : ["25001", "25001", "25001", "999", "999"],
            "interesting_stuff" : ["a","b","c","d","e"]
        }
        self.ioDF = pd.DataFrame(dictExample)

    def someMethod(self):
        patidList = ["25001"]
        reducedDF = self.ioDF.loc[self.ioDF['patid'].isin(patidList)]

testClass = TestClass()
testClass.someMethod()

但是，有人向我建议，如果我使用列表理解和 groupby 函数，我可能会看到速度加快。我不知道该怎么做。请注意：我对这里的速度感兴趣。我已经在多个内核上运行它了。即使从列表之类的东西到元组的速度只有一小部分，那也会有所帮助。

Answer 1

尝试执行以下操作：

Datdaframe[dataframe[“patid”].isin(patidList)]