检测并计算数据框中两个列表中的模式

Question

我需要检测并计算 UF_cadastral 变量中有多少来自 UF_med 变量的模式。那是我的数据集：df = {'id': [1,2,3],        'UF_med':[['SP', 'SC', 'PA'], ['SP'], ['AM', 'RJ', 'PA', 'RS']],        'UF_cadastral': [['SP', 'PA'], ['SP'], ['AM', 'RS']]}df = pd.DataFrame(df)df.head()虽然我需要计算模式，但我至少尝试检测一种模式。但是，代码仅检测 UF_med 变量的第一个模式。我用了那个代码：df['Detect_Municipio'] = df.apply(lambda x: x['UF_med'] in x['UF_cadastral'], axis=1)结果应该是这样的：df = {'id': [1,2,3],        'UF_med':[['SP', 'SC', 'PA'], ['SP'], ['AM', 'RJ', 'PA', 'RS']],        'UF_cadastral': [['SP', 'PA'], ['SP'], ['AM', 'RS']],        'Detect_Municipio':[2,1,2]}df = pd.DataFrame(df)

Answer 1

df['check']=[list(set(x).intersection(set(y)))\

  for x, y in zip(df.UF_med, df.UF_cadastral)]

  df['count']=df.check.str.len()

   id          UF_med   UF_cadastral     check     count

0   1      [SP, SC, PA]     [SP, PA]  [SP, PA]      2

1   2              [SP]         [SP]      [SP]      1

2   3  [AM, RJ, PA, RS]     [AM, RS]  [AM, RS]      2

或者只是替换list如下len：

df['amount']=[len(set(x).intersection(set(y))) for x, y in zip(df.UF_med, df.UF_cadastral)]

结果将是：

id            UF_med UF_cadastral  amount

0   1      [SP, SC, PA]     [SP, PA]       2

1   2              [SP]         [SP]       1

2   3  [AM, RJ, PA, RS]     [AM, RS]       2

Answer 2

尝试改变

df['Detect_Municipio'] = df.apply(lambda x: x['UF_med'] in x['UF_cadastral'], axis=1)

到

df['Detect_Municipio'] = df.apply( 
   lambda x: len(set(x['UF_med']) & set(x['UF_cadastral'])), axis=1)

表格的元素是列表，因此您可以使用列表交集来获取这些列表中的等效元素。Len 让你得到匹配的数量。

Answer 3

我不知道你到底想完成什么，但这是我最好的猜测：

在两个列表中查找重叠的列表：

df = {'id': [1,2,3],

        'UF_med':[['SP', 'SC', 'PA'], ['SP'], ['AM', 'RJ', 'PA', 'RS']],

        'UF_cadastral': [['SP', 'PA'], ['SP'], ['AM', 'RS']]}

output = [item for item in df["UF_med"] if item in df["UF_cadastral"]]

#output is [['SP']]

在所有列表中查找重叠的字符串：

df = {'id': [1,2,3],

        'UF_med':[['SP', 'SC', 'PA'], ['SP'], ['AM', 'RJ', 'PA', 'RS']],

        'UF_cadastral': [['SP', 'PA'], ['SP'], ['AM', 'RS']]}

uf_med = {item for sublist in df["UF_med"] for item in sublist}

uf_cadastral = {item for sublist in df["UF_cadastral"] for item in sublist}

output = [item for item in uf_med if item in uf_cadastral]

#output is ['AM', 'PA', 'RS', 'SP']

在相同索引列表中查找重叠的字符串：

df = {'id': [1,2,3],

        'UF_med':[['SP', 'SC', 'PA'], ['SP'], ['AM', 'RJ', 'PA', 'RS']],

        'UF_cadastral': [['SP', 'PA'], ['SP'], ['AM', 'RS']]}

output = [{item for item in list1 if item in list2} for list1, list2 in zip(df["UF_med"], df["UF_cadastral"])]

#output is [{'PA', 'SP'}, {'SP'}, {'AM', 'RS'}]