python - .isin() 和字符串的奇怪问题(Python/Pandas)

Question

我在使用 Pandas .isin() 方法时遇到了一个奇怪的问题。我正在做一个项目，我需要根据长度、常用词/密码列表等来识别错误密码(别担心，这是来自公共(public)资源)。其中一种方法是查看是否有人使用他们姓名的一部分作为密码。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())

这个的输出是:

   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

大部分都很好； milford.hubbard 正在使用“hubbard”作为密码等。但是我们有几个像第一个这样的例子。 Noreen Hale 被标记了，尽管她的密码是“murphy”，与她的名字只有一个字母。

我一辈子都弄不明白是什么原因造成的。有谁知道为什么会这样，以及如何解决？

Answer 1

由于您需要比较同一行中的相邻列，因此矢量化在这里不是一个很好的选择。因此，您可以使用(可能)最快的替代方法: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，您可以使用 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 user_name 中提取了 first_name 和 last_name，我认为您在这里不需要它。