如何根据列列表值和其他列中的值添加大熊猫“匹配”？

Question

我有一个数据框，其中包含一列，其中包含名为Multiple_IDS的标识符列表和一列名为ID的列。现在，我想创建一个名为“ Match”的附加列，该列告诉天气在Multiple_IDs列中是否包含一个ID。输出应该是称为Match的附加列，其中包含True或False值。这里是一些示例输入数据：

data = {'ID':[2128441, 2128447, 2128500], 'Multiple_IDs':["2128442, 2128443, 2128444, 2128441", "2128446, 2128447", "2128503, 2128508"]}
df = pd.DataFrame(data) 

列表的数据类型为“对象”。

根据上面提供的输入数据，期望输出将是这个。

我知道我可以使用explode进行比较，然后比较这些值，但是我想知道是否还有更优雅的方法？

Answer 1

如果可能的测试中使用in语句，而无需将每个ID分开：

df['Match'] = [str(x) in y for x, y in df[['ID','Multiple_IDs']].to_numpy()]
print (df)
        ID                        Multiple_IDs  Match
0  2128441  2128442, 2128443, 2128444, 2128441   True
1  2128447                    2128446, 2128447   True
2  2128500                    2128503, 2128508  False

或者：

df['Match'] = df.apply(lambda x: str(x['ID']) in x['Multiple_IDs'], axis=1)
print (df)
        ID                        Multiple_IDs  Match
0  2128441  2128442, 2128443, 2128444, 2128441   True
1  2128447                    2128446, 2128447   True
2  2128500                    2128503, 2128508  False

另一个想法是通过分割值进行匹配：

df['Match'] = [str(x) in y.split(', ') for x, y in df[['ID','Multiple_IDs']].to_numpy()]

---

df['Match'] = df.apply(lambda x: str(x['ID']) in x['Multiple_IDs'].split(', '), axis=1)

Answer 2

我会做什么

s=pd.DataFrame(df.Multiple_IDs.str.split(', ').tolist(),index=df.index).eq(df.ID.astype(str),axis=0).any(1)
Out[10]: 
0     True
1     True
2    False
dtype: bool
df['Match']=s