查找其中 2 个 cols 之一包含 Pandas 中第三个拆分列中的任何值的行

Question

给定一个像这样的 Pandas 数据框：

A           B           C
-------------------------
A. b.       b. d.       a
c.          c.          d
a. k.       b.          b
a.          b.          a, B

代码：

df = pd.DataFrame({
    'A': ['A. b.', 'c.', 'a. k.', 'a.'],
    'B': ['b. d.', 'c.', 'b.', 'b.'],
    'C': ['a', 'd', 'b', 'a, B']
})

我想选择 A 或 B 包含 C 中的任何值的所有行。这里的结果是：

A           B           C
-------------------------
A. b.       b. d.       a
a. k.       b.          b
a.          b.          a, B

所有单元格都包含简单分隔格式的值（可以使用split）。

我试过了：

df[df['A'].str.contains(df['C'].split(','))]

但目前没有成功。

Answer 1

从您的示例输出中假设您的比较不区分大小写：

mask = pd.DataFrame({
           'AB': (df.A + df.B).str.lower().map(set),
           'C': df.C.str.split(',').map(set)
       }).apply(lambda row: bool(row['AB'].intersection(row['C'])), axis=1)

df[mask].reset_index(drop=True)

---

说明：

合并列A 和B，并将每个单元格值转换为其包含的一组字符。将列 C 分隔值也拆分为一组，并检查 AB 和 C 之间的交集是否为空，使用生成的 bool 系列作为原始数据框的掩码。

---

时间安排：

def f():
    mask = pd.DataFrame({
               'AB': (df.A + ' ' + df.B).str.lower().map(set),
               'C': df.C.str.split(',').map(set)
           }).apply(lambda row: bool(row['AB'].intersection(row['C'])), axis=1)

    df[mask].reset_index(drop=True)

%timeit f

输出：

27.4 ns ± 0.483 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

Answer 2

我想选择 A 或 B 包含 C 中的任何值的所有行

您可以在此处使用.isin()。这是一个小例子：

df1 = pd.DataFrame([[1,4,1], [2,5,4], [3,6,7]], columns=['a','b','c'])
df1.loc[df1['a'].isin(df1['c'])]

#output:

    a   b   c
0   1   4   1

之所以返回行是确实是因为值1 在列c 中。