python - 要索引的 id 的交叉引用列表

Question

我将与特定值相关联的 ID 列表组合在一起，并将所有这些 ID 列表放入一个数据框中。它看起来像这样:(索引 = id)

    phase  list_ids
id  
a1  1      [a1,a2,c3] 
a2  3      [a1,b2,c3]  
b1  3      [a2,b2] 
b2  2      [b1,b2,c1] 
b3  3      [b2,c1] 
c1  1      [a1,a2,c3] 
c2  1      [a1,b1,c4] 
c3  2      [c1,c2,c4] 
c4  1      [c1,c2]

我想遍历这些列表并将它们交叉引用到 id 索引，其中 phase 等于 2 或 3，然后只保留原始列表中匹配的 id(或者如果不可能，创建一个修改后的新列列表)。像下面这样的东西:

    phase  list_ids
id  
a1  1      [a2,c3] #ids whose phase != 2|3 not kept in list
a2  3      [b2,c3]  
b1  3      [a2,b2] 
b2  2      [b1,b2] 
b3  3      [b2] 
c1  1      [a2,c3] 
c2  1      [b1] 
c3  2      [] 
c4  1      []

如果可能的话，我想在数据框对象中执行此操作，因为每一行都有多个功能/依赖项。关于如何进行此操作的任何提示？

我的实际数据:

               phase  ids
Study_id             
ACP-103-006    2.0   [ACP-103-006, ACP-103-020, ACP-103-019, ACP-10... 
ACP-103-008    2.0   [ACP-103-006, ACP-103-020, ACP-103-019, ACP-10...  
ACP-103-010    2.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...  
ACP-103-012    3.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...  
ACP-103-014    3.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...   

还有数据类型:

phase float64 
ids object
dtype: object 

以及 good_ids 输出:

print(good_ids)
{'CLS1001-301', 'EFC13799', 'AG120-C-009', 'IRBES_R_04320', 'LTS11298', 'CLS1003-302', '13621', 'TMC-ORI-10-01', '11935', 'C_8428', 'ACP-103-008', 'SFY13476', 'MNTX 301EXT', '14-OBE001-016', '812P310', 'V01-126A-201', 'VX06-770-101', 'EFC11603', ...}

Answer 1

假设 list_ids 列中的每个元素都是一个字符串列表，您可以执行以下操作:

首先获取“好”ids 的集合(其中相位为 2 或 3):

good_ids = set(df[df["phase"].isin([2,3])].index)
print(good_ids)
#{'a2', 'b1', 'b2', 'b3', 'c3'}

接下来使用apply过滤list_ids，使用good_ids:

df["list_ids"] = df["list_ids"].apply(lambda x: [val for val in x if val in good_ids])
print(df)
#    phase  list_ids
#id                 
#a1      1  [a2, c3]
#a2      3  [b2, c3]
#b1      3  [a2, b2]
#b2      2  [b1, b2]
#b3      3      [b2]
#c1      1  [a2, c3]
#c2      1      [b1]
#c3      2        []
#c4      1        []