python - 查询具有列表值的 Pandas 数据框列

Question

我有一个数据框，如下所示。

import pandas as pd


raw_data = {'score': [1,2,3], 
        'tags': [['apple','pear','guava'],['truck','car','plane'],['cat','dog','mouse']]}


df = pd.DataFrame(raw_data, columns = ['score', 'tags'])

df.query("score==1") 给出第一行作为结果。

但是 df.query("tags='apple'") 给出了错误。

如何为“标签”列编写查询。

Answer 1

您不能使用 pd.DataFrame.query 来测试一系列列表中列表中字符串的成员资格。不建议在 Pandas 数据框中保存列表，因为您会失去矢量化功能。

使用现有数据框，您可以使用 pd.Series.apply 计算掩码:

res = df[df['tags'].apply(lambda x: 'apple' in x)]

print(res)

   score                  tags
0      1  [apple, pear, guava]

或者您可以使用列表理解:

res = df[['apple' in x for x in df['tags']]]

第三种选择是使用set:

res = df[df['tags'].apply(set) >= {'apple'}]

最后一个选项虽然昂贵，但在您测试是否存在多个标签时可能适合。在每种情况下，我们都构建了一个 bool 系列，然后我们用它来屏蔽数据框。