python - 检查 Pandas 中的一个系列是否是另一个系列的子集

Question

我有来自 2 个不同数据帧的 2 列。我想检查第 1 列是否是第 2 列的子集。

我使用了以下代码:

set(col1).issubset(set(col2))

问题在于，如果 col1 仅包含整数而 col2 同时包含整数和字符串，则返回 false。发生这种情况是因为 col2 的元素被强制转换为字符串。例如，

set([376, 264, 365, 302]) & 
set(['302', 'water', 'nist1950', '264', '365', '376'])

我尝试使用 pandas 中的 isin 。但如果 col1 和 col2 是系列，那么这会给出一系列 bool 值。我想要对或错。

如何解决这个问题？有没有我错过的更简单的功能？

编辑 1

添加示例。

col1
0    365
1    376
2    302
3    264
Name: subject, dtype: int64

col2
0     nist1950
1     nist1950
2        water
3        water
4          376
5          376
6          302
7          302
8          365
9          365
10         264
11         264
12         376
13         376
Name: subject, dtype: object

编辑2

col1 和 col2 可以有整数、字符串、 float 等。我不想对这些列中的内容做出任何预先判断。

Answer 1

您可以使用isin与 all检查所有 col1 元素是否包含在 col2 中。要转换为数字，您可以使用 pd.to_numeric :

s1 = pd.Series([376, 264, 365, 302])
s2 = pd.Series(['302', 'water', 'nist1950', '264', '365', '376'])

res = s1.isin(pd.to_numeric(s2, errors='coerce')).all()

In [213]: res
Out[213]: True

更详细:

In [214]: pd.to_numeric(s2, errors='coerce')
Out[214]:
0    302
1    NaN
2    NaN
3    264
4    365
5    376
dtype: float64

In [215]: s1.isin(pd.to_numeric(s2, errors='coerce'))
Out[215]:
0    True
1    True
2    True
3    True
dtype: bool

注意 pd.to_numeric 适用于 pandas 版本 >=0.17.0，之前您可以使用 convert_objects与 convert_numeric=True

编辑

如果您更喜欢使用 set 解决方案，您也可以将第一个集合转换为 str ，然后将它们与您的代码进行比较:

s3 = set(map(str, s1))

In [234]: s3
Out[234]: {'264', '302', '365', '376'}

然后您可以将 issubset 用于 s2:

In [235]: s3.issubset(s2)
Out[235]: True

或者对于set(s2):

In [236]: s3.issubset(set(s2))
Out[236]: True

编辑2

s1 = pd.Series(['376', '264', '365', '302'])
s4 = pd.Series(['nist1950', 'nist1950', 'water', 'water', '376', '376', '302', '302', '365', '365', '264', '264', '376', '376'])

In [263]: s1.astype(float).isin(pd.to_numeric(s4, errors='coerce')).all()
Out[263]: True