Question

假设我有以下数据框

df = pd.DataFrame({'col1': ['one','one', 'one', 'one', 'two'],
                   'col2': ['two','two','four','four','two'],
                   'col3': [['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'nodata', 'beta', 'gamma']]})

我知道我可以用：

df[df['col2']=='four']

如何进行子集以使其与列表中的字符串INSIDE匹配？在这个例子中，对不包含“nodata”的行进行子集化。在col3？

df[~df['col3'].str.contains('nodata')

似乎无法正常工作，而我似乎无法正常使用＆＃39;权利＆＃39;列表中的项目。

Answer 1

您可以将apply与lambda函数一起使用，而不是转换数据类型。

df[~df.col3.apply(lambda x: 'nodata' in x)]

在更大的数据集上测试它：

In [86]: df.shape
Out[86]: (5000, 3)

我的解决方案：

In [88]: %timeit df[~df.col3.apply(lambda x: 'nodata' in x)]
         1000 loops, best of 3: 1.68 ms per loop

以前的解决方案：

In [87]: %timeit df[~df['col3'].astype(str).str.contains('nodata')]
         100 loops, best of 3: 7.8 ms per loop

可以说，第一个答案可能更具可读性。

Answer 2

如果将列的数据类型转换为字符串，则代码应该有效：

df[~df['col3'].astype(str).str.contains('nodata')]

使用列表在单元格中设置pandas数据帧

2 个答案: