python - Pandas :每组过滤数据框，条件至少匹配组中的一项

Question

我有数据框

ID   url   session
111   facebook.com   1
111   vk.com   1
111   stackoverflow.com   2
222   wsj.com  3
222   ria.ru   3
222   twitter.com   4
333   wikipedia.org   5
333   rt.com   5

如果有有效的 url，我需要获取 session

valid_urls = ['rt.com', 'wsj.com']

欲望输出

ID   url   session
222   wsj.com  3
222   ria.ru   3
333   wikipedia.org   5
333   rt.com   5

我知道，我可以使用 df.url.str.contains 进行过滤，但是如何使用 session 添加条件？

Answer 1

对每个 session 使用转换以找到包含列表中一个有效 url 的 session ，然后使用生成的 bool 系列过滤掉数据帧:

df[df.groupby('session')['url'].transform(lambda x : x.isin(valid_urls).any())]

    ID            url  session
3  222        wsj.com        3
4  222         ria.ru        3
6  333  wikipedia.org        5
7  333         rt.com        5