python - 与引用列表比较以转换为二进制编码

Question

我有一个这样的引用列表

ref = ['August', 'July', 'June', 'May', 'April']

以及一些示例列表

list1 = ['July', 'April']
list2 = ['August']
list3 = ['August', 'June', 'April']
list4 = ['April', 'June', 'May'] # Not sorted in decreasing order, as others

我想将每个列表的元素与引用列表进行比较，如果元素存在则更改为 1，否则为 0

因此，当我运行一个函数时，我的预期输出是

compare(ref, list1) - [0, 1, 0, 0, 1]
compare(ref, list2) - [1, 0, 0, 0, 0]
compare(ref, list3) - [1, 0, 1, 0, 1]

对于list4，我需要先将其按降序排序，然后进行比较

list4 = ['June', 'May', 'April']
compare(ref, list3) - [0, 0, 1, 1, 1]

目前，我的比较函数如下所示

def compare(lst1, lst2):

    binary_list = [] #final list to return
    j = 0 #counter to keep check on lst2
    lst2_len = len(lst2) #length 

    for item in lst1: #main loop of ref list
        if j < lst2_len: #check counter is less than len of other list
            if item == lst2[j]:
                binary_list.append(1)
                j = j + 1
            else:
                binary_list.append(0)
        else:      # lst2 exhausted, append 0 to remaining months
            binary_list.append(0)

    return binary_list

我可以做得更好吗？我知道我的引用列表总是经过排序的。因此

1. 如何按降序对包含月份的其他列表进行排序？
2. 排序后，我需要将其转换为二进制编码，与引用列表进行比较。

我正在处理数百万条记录，并且使用 pandas apply 需要花费大量时间。其他列表位于一列中。

我可以优化它吗？

df = pd.DataFrame({'List2':[['July', 'April'], ['August'], ['August', 'June', 'April'], ['April', 'June', 'May']]})
>>df
  List2
0 [July, April]
1 [August]
2 [August, June, April]
3 [April, June, May]

df['List2'].apply(lambda x: compare(ref, x))

Answer 1

由于 pandas 已被标记，因此您可以利用 series.isin()不需要排序的地方:

def compare(r,l):
    s=pd.Series(r)
    return s.isin(l).astype(int).tolist()

<小时/>

print(compare(ref,list1))
print(compare(ref,list2))
print(compare(ref,list3))
print(compare(ref,list4))

<小时/>

[0, 1, 0, 0, 1]
[1, 0, 0, 0, 0]
[1, 0, 1, 0, 1]
[0, 0, 1, 1, 1]