检查一个系列是否是 Pandas 中另一个系列的子集

Question

我有来自 2 个不同数据框的 2 列。我想检查第 1 列是否是第 2 列的子集。

我使用的是以下代码：

set(col1).issubset(set(col2))

这样做的问题是，如果 col1 只有整数，而 col2 同时有整数和字符串，则返回 false。发生这种情况是因为 col2 的元素被强制转换为字符串。例如，

set([376, 264, 365, 302]) & 
set(['302', 'water', 'nist1950', '264', '365', '376'])

我尝试使用熊猫的isin。但是如果 col1 和 col2 是系列，那么这会给出一系列布尔值。我要True or False。

我该如何解决这个问题？有没有我错过的更简单的功能？

编辑 1

添加示例。

col1
0    365
1    376
2    302
3    264
Name: subject, dtype: int64

col2
0     nist1950
1     nist1950
2        water
3        water
4          376
5          376
6          302
7          302
8          365
9          365
10         264
11         264
12         376
13         376
Name: subject, dtype: object

编辑 2

col1 和 col2 可以有整数、字符串、浮点数等。我不想对这些列中的内容做出任何预先判断。

Answer 1

您可以使用isin 和all 来检查您的所有col1 元素是否包含在col2 中。要转换为数字，您可以使用 pd.to_numeric:

s1 = pd.Series([376, 264, 365, 302])
s2 = pd.Series(['302', 'water', 'nist1950', '264', '365', '376'])

res = s1.isin(pd.to_numeric(s2, errors='coerce')).all()

In [213]: res
Out[213]: True

更详细：

In [214]: pd.to_numeric(s2, errors='coerce')
Out[214]:
0    302
1    NaN
2    NaN
3    264
4    365
5    376
dtype: float64

In [215]: s1.isin(pd.to_numeric(s2, errors='coerce'))
Out[215]:
0    True
1    True
2    True
3    True
dtype: bool

注意 pd.to_numeric 与 pandas 版本 >=0.17.0 一起使用，以前你可以使用 convert_objects 和 convert_numeric=True

编辑

如果您更喜欢set 的解决方案，您也可以将您的第一组转换为str，然后将它们与您的代码进行比较：

s3 = set(map(str, s1))

In [234]: s3
Out[234]: {'264', '302', '365', '376'}

那么你可以使用issubset 代替s2：

In [235]: s3.issubset(s2)
Out[235]: True

或set(s2)：

In [236]: s3.issubset(set(s2))
Out[236]: True

EDIT2

s1 = pd.Series(['376', '264', '365', '302'])
s4 = pd.Series(['nist1950', 'nist1950', 'water', 'water', '376', '376', '302', '302', '365', '365', '264', '264', '376', '376'])

In [263]: s1.astype(float).isin(pd.to_numeric(s4, errors='coerce')).all()
Out[263]: True

Answer 2

您可以将merge 与参数indicator=True 一起使用：

In [3]:
df1 = pd.DataFrame({'a':[376, 264, 365, 302]})
df2=pd.DataFrame({'b':[302, 'water', 'nist1950', '264', '365', '376']})
df1.merge(df2, left_on='a', right_on='b', how='left',indicator=True)

Out[3]:
     a    b     _merge
0  376  NaN  left_only
1  264  NaN  left_only
2  365  NaN  left_only
3  302  302       both

因此，如果您将感兴趣的列作为left_on 和right_on 参数传递，那么添加的列_merge 将告诉dfs 或left_only 中存在哪些列值

这需要pandas版本0.17.0及以上