在一个列中查找与另一列中的某些值有关联的值答案

【问题标题】：Find values in one column that have association with certain values in another column在一个列中查找与另一列中的某些值有关联的值
【发布时间】：2020-04-07 22:47:12
【问题描述】：

我有以下示例熊猫数据框：

df = pd.DataFrame({'A': ['a1', 'a2', 'a3', 'a1', 'a2', 'a4'],
                   'B': ['b1', 'b1', 'b2', 'b3', 'b6', 'b6']})

我想在 A 中找到与 B 中输入列表的所有值相关联的值。

例如，对于输入 lst = ['b1', 'b6']，所需的输出是 ['a2']。我从here 尝试过df[df['B'].isin(lst)]，但确实还不够，甚至可能没有必要。

【问题讨论】：

标签： python pandas dataframe tabular

【解决方案1】：

使用列表推导对lst 的每个元素进行第一个过滤df

a_list = [ df.loc[df['B']==el,'A'].tolist() for el in lst]
# [['a1', 'a2'], ['a2', 'a4']]

您要查找的值是a_list 中所有列表的交集

list(set.intersection(*[set(x) for x in a_list]))
# ['a2']

【讨论】：

接受了这个答案，因为它在我的实际数据帧中是最快的，大约有 2M 行、1M 唯一 A 值和 60 个唯一 B 值。其他两个答案也可以完美运行，但是这个需要 10 秒。根据您的数据/偏好，可以使用这三种中的任何一种。

【解决方案2】：

我们可以做到groupby + filter 和 isin + all

df.groupby('A').filter(lambda x : pd.Series(lst).isin(x['B']).all())
    A   B
1  a2  b1
4  a2  b6

或者

s=pd.crosstab(df.A,df.B).ge(1)[lst].all(1) # you have the series 
s # s[s].index
A
a1    False
a2     True
a3    False
a4    False
dtype: bool

【讨论】：

【解决方案3】：

使用set.issubset 检查一个列表是否在另一个列表中：

m = df.groupby('A')['B'].apply(lambda x: set(lst).issubset(set(x)))
df[df['A'].map(m)]

    A   B
0  a1  b1
1  a2  b1
3  a1  b3
4  a2  b6
7  a2  b7
8  a1  b6

【讨论】：

谢谢！第一个似乎不正确，因为“a4”也被错误地返回。第二个，似乎正在工作。我现在正在检查实际的大型数据帧的效率。
是的，你是对的，我进行了编辑。现在第一个解决方案应该也很有效
它不适用于我的实际数据。我现在找到了这个示例，但它再次不能供您参考：df = pd.DataFrame({'A': ['a1', 'a2', 'a3', 'a1', 'a2', 'a4', 'a5', 'a2', 'a1'], 'B': ['b1', 'b1', 'b2', 'b3', 'b6', 'b6', 'b7', 'b7', 'b6']}) 输出现在应该包括 a1 和 a2。但是你的（第一个）似乎是空的。其他两个答案似乎有效，但我想与您分享此反馈。