>>> l = [1,2,3,4,5,6]
>>> zip(l,l[1:])
[(1, 2), (2, 3), (3, 4), (4, 5), (5, 6)]
>>> zip(l,l[1:])[::2]
[(1, 2), (3, 4), (5, 6)]
>>> [a+b for a,b in zip(l,l[1:])[::2]]
[3, 7, 11]
>>> ["%d + %d = %d" % (a,b,a+b) for a,b in zip(l,l[1:])[::2]]
['1 + 2 = 3', '3 + 4 = 7', '5 + 6 = 11']
Вы можете разбить на несколько числовых рядов и затем использовать векторизованные логические операции. Циклы уровня Python, использующие построчные операции, обычно менее эффективны .
df = pd.DataFrame({'album_id': [66562, 114582, 4846, 1709, 59239],
'categories': ['480.494', '128', '5', '9', '105.104']})
split = df['categories'].str.split('.', expand=True).add_prefix('split_').astype(float)
df = df.join(split)
print(df)
# album_id categories split_0 split_1
# 0 66562 480.494 480.0 494.0
# 1 114582 128 128.0 NaN
# 2 4846 5 5.0 NaN
# 3 1709 9 9.0 NaN
# 4 59239 105.104 105.0 104.0
L = [480, 9, 104]
res = df[df.filter(regex='^split_').isin(L).any(1)]
print(res)
# album_id categories split_0 split_1
# 0 66562 480.494 480.0 494.0
# 3 1709 9 9.0 NaN
# 4 59239 105.104 105.0 104.0
Другой метод:
my_list = [480, 9, 104]
pat = r'({})'.format('|'.join(str(i) for i in my_list))
#'(480|9|104)' <-- This is how the pat looks like
df.loc[df.split_categories.astype(str).str.extract(pat, expand=False).dropna().index]
Или:
pat = '|'.join(r"\b{}\b".format(x) for x in my_list)
df[df.split_categories.astype(str).str.contains(pat,na=False)]
album_id categories split_categories
0 66562 480.494 [480, 494]
3 1709 9.000 [9]
4 59239 105.104 [105, 104]
Это будет работать с колонками split_categories
и categories
.
Вы можете расширить внутренний список и проверить, содержатся ли any
элементы во внутренних списках в [480, 9, 104]
:
l = [480, 9, 104]
df[df.categories.str.split('.', expand=True).isin(map(str,l)).any(axis=1)]
album_id categories split_categories
0 66562 480.494 [480,494]
3 1709 9.000 [9]
4 59239 105.104 [105,104]
Вы можете преобразовать каждый список в наборы, получить пересечение и преобразовать в bool:
L = [480, 9, 104]
mask = np.array([bool(set(map(int, x)) & set(L)) for x in df['split_categories']])
Или преобразовать list column
в DataFrame
, привести к плаванию и сравнить с isin
:
df1 = pd.DataFrame(df['split_categories'].values.tolist(), index=df.index)
mask = df1.astype(float).isin(L).any(axis=1)
<час> df = df[mask]
print (df)
album_id categories split_categories
0 66562 480.494 [480, 494]
3 1709 9 [9]
4 59239 105.104 [105, 104]
Использование:
print(df[~(df['split_categories'].isin([480, 9, 104])).any()])
Выход:
album_id categories split_categories
0 66562 480.494 [480, 494]
3 1709 9 [9]
4 59239 105.104 [105, 104]