找到长度不等的列表之间的最小可能差异答案

【问题标题】：Finding smallest possible difference between lists of unequal length找到长度不等的列表之间的最小可能差异
【发布时间】：2023-03-05 23:14:01
【问题描述】：

我有一个包含两列 A 和 B 的数据框，其中包含列表：

import pandas as pd

df = pd.DataFrame({"A" : [[1,5,10],  [], [2], [1,2]],
                   "B" : [[15, 2],   [], [6], []]})

我想构造第三列C，它被定义为等于A和B中的列表元素之间的最小可能差异，如果它们是非空的，如果它们是非空的，则为0，如果是或他们两个都是空的。

对于第一行，最小的差异是 1（我们取绝对值..），对于第二行，由于列表为空，它为 0，第三行为 4，第四行由于一个空列表再次为 0，所以我们最终得到：

df["C"] = [1, 0, 4, 0]

【问题讨论】：

标签： python pandas list

【解决方案1】：

这不容易矢量化，因为您有 object dtype 系列列表。您可以使用itertools.product 的列表推导：

from itertools import product

zipper = zip(df['A'], df['B'])
df['C'] = [min((abs(x - y) for x, y in product(*vals)), default=0) for vals in zipper]

# alternative:
# df['C'] = [min((abs(x - y) for x, y in product(*vals)), default=0) \
#            for vals in df[['A', 'B']].values]

print(df)
#             A        B  C
# 0  [1, 5, 10]  [15, 2]  1
# 1          []       []  0
# 2         [2]      [6]  4
# 3      [1, 2]       []  0

【讨论】：

是否可以将 dtype-series 转换为不同的格式以便对其进行矢量化？
@N08，由于您有可变长度列表，所以不容易，没有。当每个维度具有相同数量的值时，NumPy / Pandas 效果最好。你最终可能会得到很多空值，这也是低效的。
@jpp，不错，这里的拉链是什么。
刚刚意识到这正是您在解决方案中所拥有的 :-)，将它与三元 if 保持原样。无论如何感谢您的提示
@yatu，没有问题，总是乐于助人:)

【解决方案2】：

您可以使用以下列表推导，检查两列中笛卡尔积 (itertools.product) 的 min 差异

[min(abs(i-j) for i,j in product(*a)) if all(a) else 0 for a in df.values]
[1, 0, 4, 0]

【讨论】：

min 可以采用可迭代对象（因此您可以使用生成器表达式，无需额外创建列表）。此外，在迭代df.values 时不需要tolist()。最后，min 有一个默认值，不需要三元语句。

【解决方案3】：

df['C'] = df.apply(lambda row: min([abs(x - y) for x in row['A'] for y in row['B']], default=0), axis=1)

【讨论】：

真棒@Filipe +1。
@pygo 注意这会比 jpp 和 yatu 的解决方案慢。 :-)

【解决方案4】：

我只想再次介绍unnesting

df['Diff']=unnesting(df[['B']],['B']).join(unnesting(df[['A']],['A'])).eval('C=B-A').C.abs().min(level=0)
df.Diff=df.Diff.fillna(0).astype(int)
df
Out[60]: 
            A        B  Diff
0  [1, 5, 10]  [15, 2]     1
1          []       []     0
2         [2]      [6]     4
3      [1, 2]       []     0

仅供参考

def unnesting(df, explode):
    idx=df.index.repeat(df[explode[0]].str.len())
    df1=pd.concat([pd.DataFrame({x:np.concatenate(df[x].values)} )for x in explode],axis=1)
    df1.index=idx
    return df1.join(df.drop(explode,1),how='left')

【讨论】：

【解决方案5】：

我认为这可行

def diff(a,b):    
    if len(a) > 0 and len(b) > 0:
        return min([abs(i-j) for i in a for j in b])
    return 0

df['C'] = df.apply(lambda x: diff(x.A, x.B), axis=1)
df

           A        B   C
0   [1, 5, 10]  [15, 2] 1
1           []       [] 0
2          [2]      [6] 4
3       [1, 2]       [] 0

【讨论】：