Python 在给定元组列表的情况下，如何对数据帧中的元组进行子集划分？

我有以下数据框。有两列

A

和

B

由多个元组列表组成

import pandas as pd
dictionary_input = {'A' : [5,6,3,4], 
                    'B' : [[('AA', 4, 11), ('ABC', 28, 99), ('ABC', 23, 86)], [('AA', 2, 10)], [('ABC', 56, 76), ('BB', 15, 183)], [('BB', 15, 183)]], 
                    'C': [[('XYZ', 7, 9), ('XX',24, 33), ('BB', 179, 184)], [('XX',72, 75)], [('ABC',25, 45)], [('BB',91, 187)]]}

df = pd.DataFrame(dictionary_input)
print(df)

其结果是：

   A                                            B                                            C
0  5  [(AA, 4, 11), (ABC, 28, 99), (ABC, 23, 86)]  [(XYZ, 7, 9), (XX, 24, 33), (BB, 179, 184)]
1  6                                [(AA, 2, 10)]                               [(XX, 72, 75)]
2  3               [(ABC, 56, 76), (BB, 15, 183)]                              [(ABC, 25, 45)]
3  4                              [(BB, 15, 183)]                              [(BB, 91, 187)]

我的问题是，我想根据元组列表中的值（即基于单个元组）对该数据帧进行子集划分

如果我要根据

B

has tuple

（BB，15183）

对数据帧进行子集划分，那么以下将是输出：

   A                                            B                                            C
2  3               [(ABC, 56, 76), (BB, 15, 183)]                              [(ABC, 25, 45)]
3  4                              [(BB, 15, 183)]                              [(BB, 91, 187)]

我试图通过使用

df[df.B.isin(('BB', 15, 183))]

但这是错误的，因为它给了我一个空的数据帧

---

如果值是元组，如何基于DataFrame中列表中的值进行子集

如果您使用的是pandas 0.25+，则可以使用，它在每个单元格中从列表中生成一个系列，并将它们连接起来。类似于

pd.concat（df['B']中x的pd.Series（x））

，但保留原始索引。然后，您可以将该系列与您的三元组和

groupby

进行比较：

s = df['B'].explode()

df[(s == ('BB', 15, 183)).groupby(level=0).any()]

输出：

   A                               B                C
2  3  [(ABC, 56, 76), (BB, 15, 183)]  [(ABC, 25, 45)]
3  4                 [(BB, 15, 183)]  [(BB, 91, 187)]

输出（

s

）：

---

如果您使用的是pandas 0.25+，则可以使用，它在每个单元格中从列表中生成一个系列，并将它们连接起来。类似于

pd.concat（df['B']中x的pd.Series（x））

，但保留原始索引。然后，您可以将该系列与您的三元组和

groupby

进行比较：

s = df['B'].explode()

df[(s == ('BB', 15, 183)).groupby(level=0).any()]

输出：

   A                               B                C
2  3  [(ABC, 56, 76), (BB, 15, 183)]  [(ABC, 25, 45)]
3  4                 [(BB, 15, 183)]  [(BB, 91, 187)]

输出（

s

）：

---

可以通过应用方法执行此操作：

df[df['B'].apply(lambda x: ('BB', 15, 183) in x)]

---

可以通过应用方法执行此操作：

df[df['B'].apply(lambda x: ('BB', 15, 183) in x)]

---

在数据帧中包含元组列表也是错误的：-）在数据帧中包含元组列表也是错误的：-）谢谢您的回答！有关更多上下文，请参见

explode（）

在这里做什么？

explode（）

在每个单元格的列表中创建一个系列，并将它们连接起来。类似于

pd.concat（df['B']中x的pd.Series（x））

，但它保留了原始索引。因此，我们可以

groupby（level=0）

。这很有意义！（把这个解释放在答案里可以吗？我认为这是一个很好的解释。）谢谢你的回答！有关更多上下文，请参见

explode（）

在这里做什么？

explode（）

在每个单元格的列表中创建一个系列，并将它们连接起来。类似于

pd.concat（df['B']中x的pd.Series（x））

，但它保留了原始索引。因此，我们可以

groupby（level=0）

。这很有意义！（把这个解释放在答案里可以吗？我认为这是一个很好的解释。）