在 Pandas DataFrame 中有效地搜索列表值的组合

Question

我正在迭代多个 Pandas 数据帧，在每次迭代中我提取 2 个列表。然后，对于每个 2 个列表组合，我需要在另一个数据框中找到 2 个列表中所有值的每个组合出现的行。简化示例：df 看起来像这样（任何 D_val P_val 可能只出现一次）：D_val | P_val | D_PCode  A     | 1     | 25  D     | 1     | 21  C     | 2     | 32  B     | 4     | 35  D     | 2     | 126  B     | 1     | 3  C     | 1     | 312  对于具有以下列表的单次迭代 -list1 = [1,2]  list2 = [A,B,C]  我希望得到以下列表：[25, 3, 312, 32]解释：for [A,1] - 25  for [A,2] - nothing  For [B,1] - 3  等等。我使用嵌套循环来实现它，但是由于多次迭代、大数据框和长列表，它花费的时间太长了。任何建议如何有效地实施它？如果需要，我很乐意使用其他数据结构。

Answer 1

我们只用了isin两次

df1=df.loc[df.D_val.isin(list2)&df.P_val.isin(list1)]

df1

Out[211]: 

  D_val  P_val  D_PCode

0     A      1       25

2     C      2       32

5     B      1        3

6     C      1      312

Answer 2

您可以使用itertools.product生成所有可能的值，然后使用isin：

from itertools import product

import pandas as pd

data = [['A', 1, 25],

        ['D', 1, 21],

        ['C', 2, 32],

        ['B', 4, 35],

        ['D', 2, 126],

        ['B', 1, 3],

        ['C', 1, 312]]

df = pd.DataFrame(data=data, columns=['D_val', 'P_val', 'D_PCode'])

list1 = [1, 2]

list2 = ['A', 'B', 'C']

lookup = set(product(list2, list1))

mask = df[['D_val', 'P_val']].apply(tuple, axis=1).isin(lookup)

result = df[mask].D_PCode

print(result)

输出

0     25

2     32

5      3

6    312

Name: D_PCode, dtype: int64

或者直接在两列上使用 isin，例如：

list1 = [1, 2]

list2 = ['A', 'B', 'C']

result = df[df.D_val.isin(list2) & df.P_val.isin(list1)].D_PCode

print(result)

输出

0     25

2     32

5      3

6    312

Name: D_PCode, dtype: int64