python - Pandas GroupBy，将新的数字列表列与另一列数字列表进行比较

Question

数据框如下面屏幕截图的左侧。

我想按名称分组，并找出缺少哪些数字(与 [1,2,3,4,5] 相比)。

理想的输出如屏幕截图右侧所示。

我尝试过以下代码。但是 GroupBy 之后的“星星数”列被视为字符串列表。因此它不执行比较。

如何修复它？

import pandas as pd
from io import StringIO

csvfile = StringIO("""
Name    Number of stars
Benjamin    1,3,2,1,2
Benjamin    2,5,1,3
Emma    2,1,1,4,4,2
Ethan   2,5,4
Emma    2,2,2
Ethan   5,4,4,1,1,1
Olivia  4,1,3,5""")

df = pd.read_csv(csvfile, sep = '\t', engine='python')

df_1 = df.groupby('Name')['Number of stars'].apply(list)

df_1 = df_1.to_frame().reset_index()

df_1['all stars'] = pd.Series([list(range(1,6)) for x in range(len(df_1.index))])
df_1['diff'] = df_1['all stars'].map(set) - df_1['Number of stars'].map(set)

print (df_1)

输出:

   Name       Number of stars        all stars             diff
0  Benjamin  [1,3,2,1,2, 2,5,1,3]  [1, 2, 3, 4, 5]  {1, 2, 3, 4, 5}
1      Emma  [2,1,1,4,4,2, 2,2,2]  [1, 2, 3, 4, 5]  {1, 2, 3, 4, 5}
2     Ethan  [2,5,4, 5,4,4,1,1,1]  [1, 2, 3, 4, 5]  {1, 2, 3, 4, 5}
3    Olivia             [4,1,3,5]  [1, 2, 3, 4, 5]  {1, 2, 3, 4, 5}

Answer 1

让我们按名称对数据帧进行分组，并使用返回所需设置差异的自定义 lambda 函数聚合星数:

s = set(range(1, 6))
df.groupby('Name')['Number of stars']\
  .agg(lambda x: s - set(int(z) for y in x for z in y.split(',')))

---

Name
Benjamin       {4}
Emma        {3, 5}
Ethan          {3}
Olivia         {2}
Name: Number of stars, dtype: object