Question

我有一个数据框，其中一列是列表：

import pandas as pd 

data = [{'colA': 'ID1', 'colB': ['A', 'B', 'C']}, 
        {'colA': 'ID2', 'colB': ['A']}, 
        {'colA': 'ID3', 'colB': ['B']}, 
        {'colA': 'ID4', 'colB': ['A', 'B']},
        {'colA': 'ID5', 'colB': ['C', 'D']}] 

df = pd.DataFrame(data) 
df 

    colA    colB
0   ID1     [A, B, C]
1   ID2     [A]
2   ID3     [B]
3   ID4     [A, B]
4   ID5     [C, D]

我想过滤行，以便仅选择那些仅包含另一个列表中的值的行。但是，不应选择包含其他列表中不存在的任何值的任何行。

valid_list = ['A', 'B']

预期结果

   colA colB
0   ID1 [A, B, C] #not selected because it contains C
1   ID2 [A] #Valid
2   ID3 [B] #Valid
3   ID4 [A, B] #Valid
4   ID5 [C, D] #Not valid - Either values not present in valid list

最终数据框：

   colA colB
0   ID2 [A] 
1   ID3 [B] 
2   ID4 [A, B]

Answer 1

使用np.isin和all

df[df.colB.map(lambda x: np.isin(x, valid_list).all())]

Out[217]:
  colA    colB
1  ID2  [A]
2  ID3  [B]
3  ID4  [A, B]

Answer 2

将issubset与set一起使用：

df = df[df.colB.map(lambda x: set(x).issubset(valid_list))]

df = df[df.colB.map(lambda x: set(x) <= set(valid_list))]

print (df)
  colA    colB
1  ID2     [A]
2  ID3     [B]
3  ID4  [A, B]

Answer 3

使用np.setdiff1d

df[df.colB.apply(lambda x: False if len(np.setdiff1d(x,valid_list)) >= 1 else True)]

OR

df[~df.colB.apply(lambda x: len(np.setdiff1d(x,valid_list)) >= 1)]

 colA    colB
1  ID2     [A]
2  ID3     [B]
3  ID4  [A, B]

Answer 4

您还可以应用一个函数来获取掩码：

df = df[df.colB.apply(lambda lst: all(x in valid_list for x in lst))]

print(df)
  colA    colB
1  ID2     [A]
2  ID3     [B]
3  ID4  [A, B]

仅当列列表包含另一个列表中的值时才过滤行

4 个答案: