Question

我对Pandas .isin（）方法有一个奇怪的问题。我正在做一个项目，我需要通过长度，常用字/密码列表等识别错误的密码（不要担心，这是来自公共来源）。其中一种方法是查看是否有人将其名称的一部分用作密码。我正在使用.isin（）来确定是否是这种情况，但它给了我奇怪的结果。显示：

# Extracting first and last names into their own columns
users['first_name'] = users.user_name.str.extract('(^.+)(\.)', expand = False)[0]
users['last_name'] = users.user_name.str.extract('\.(.+)', expand = False)

# Flagging the users with passwords that matches their names
users['uses_name'] = (users['password'].isin(users.first_name)) | (users['password'].isin(users.last_name))

# Looking at the new data
print(users[users['uses_name']][['password','user_name','first_name','last_name','uses_name']].head())

这个输出是：

   password            user_name first_name  last_name uses_name
7    murphy          noreen.hale     noreen       hale      True
11  hubbard      milford.hubbard    milford    hubbard      True
22  woodard        jenny.woodard      jenny    woodard      True
30     reid         rosanna.reid    rosanna       reid      True
58   golden  rosalinda.rodriquez  rosalinda  rodriquez      True

大多数情况下都很好; milford.hubbard使用'hubbard'作为密码等。但是我们有几个例子，比如第一个。 Noreen Hale被标记，尽管她的密码是“墨菲”，只与她的名字共用一个字母。

我不能为我的生活找出造成这种情况的原因。有谁知道为什么会这样，以及如何解决它？

Answer 1

由于您需要比较同一行中的相邻列，因此矢量化不是一个选项。因此，您可以使用（可能）最快的替代方案：列表理解：

df['uses_name'] = [
       pwd in name for name, pwd in zip(df.user_name, df.password)
]

或者，如果您不喜欢循环，可以使用np.vectorize隐藏它们：

def f(name, pwd):
    return pwd in name

v = np.vectorize(f)
df['uses_name'] = v(df.user_name, df.password)

df
   password            user_name  uses_name
7    murphy          noreen.hale      False
11  hubbard      milford.hubbard       True
22  woodard        jenny.woodard       True
30     reid         rosanna.reid       True
58   golden  rosalinda.rodriquez      False

考虑到您从first_name中提取last_name和user_name，我认为您不需要它。

Answer 2

关于发生此错误的原因：

如果您执行users['password'].isin(users.first_name)，则要求每一行users['password']，如果该元素包含在列first_name中的任何元素中因此，我认为元素墨菲是在那个专栏中的某个地方

.isin（）和字符串（Python / Pandas）的奇怪问题

2 个答案: