Python 在单元格中使用列表对数据帧进行子集设置

假设我有以下数据帧

df = pd.DataFrame({'col1': ['one','one', 'one', 'one', 'two'],
                   'col2': ['two','two','four','four','two'],
                   'col3': [['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'beta'],
                            ['alpha', 'nodata', 'beta', 'gamma']]})

我知道我可以：

df[df['col2']=='four']

如何创建子集以使其与列表中的字符串匹配？在本例中，将col3中不包含“nodata”的行子集

df[~df['col3'].str.contains('nodata') 

---

似乎不起作用，而且我似乎无法正确访问列表中的“右”项。

如果将列的数据类型转换为字符串，则代码应该可以工作：

df[~df['col3'].astype(str).str.contains('nodata')]

---

与转换数据类型不同，您可以使用

apply

和

lambda

函数，这将更快一些

df[~df.col3.apply(lambda x: 'nodata' in x)]

在更大的数据集上测试它：

In [86]: df.shape
Out[86]: (5000, 3)   

我的解决方案：

In [88]: %timeit df[~df.col3.apply(lambda x: 'nodata' in x)]
         1000 loops, best of 3: 1.68 ms per loop

In [87]: %timeit df[~df['col3'].astype(str).str.contains('nodata')]
         100 loops, best of 3: 7.8 ms per loop

以前的解决方案：

In [88]: %timeit df[~df.col3.apply(lambda x: 'nodata' in x)]
         1000 loops, best of 3: 1.68 ms per loop

In [87]: %timeit df[~df['col3'].astype(str).str.contains('nodata')]
         100 loops, best of 3: 7.8 ms per loop

---

可以说，第一个答案可能更具可读性

您是要获取包含“nodata”的行还是所有不包含“nodata”的行？您说您想要得到那一行，但是您的示例代码在条件上是否定的，这意味着您想要的是不包含该行的行。同意。lambda非常有用。你们知道我可以在哪里钻研python lambda并一劳永逸地学习它们吗？我可能会先用它，然后用谷歌搜索一段时间。这里如何使用它的关键是它是一个应用于

df.col3

中每个单元格值的函数祝你好运！如果改用列表理解，速度会更快（并且可能会丢失lambda）：

df[[['nodata'不在x中表示df.col3中的x]