Python 如何使用apply for two column including list（包括列表）在一列中使用另一列中的元素返回列表中的索引？

我有一个熊猫数据框，列为“a”和“b”。列a有一个值列表作为列值，列“b”有一个列表，其中包含一个可能出现在列“a”中的值。我想在a列和b列的基础上创建一个新的c列，该列的值为元素在b中的位置，该位置显示在a列的值中，使用apply。（c:（a中b的索引）+1） 列b始终是一个包含一个元素或根本没有元素的列表，列a可以是任意长度的，但如果它为空，则列b也将为空。列b元素应该在列a中，我只想找到它在列a中第一次出现的位置

a                         b                   c 


['1', '2', '5']          ['2']                2

['2','3','4']            ['4']                3
['2','3','4']            []                   0
[]                       []                   0
...

我编写了一个for循环，它工作得很好，但速度非常慢：

for i in range(0,len(df)):

    if len(df['a'][i])!=0:
        df['c'][i]=df['a'][i].index(*df['b'][i])+1 
    else:
        df['c'][i]=0

但是我想用apply来加快速度，下面的内容不起作用，如果您有任何想法或建议，我们将不胜感激

df['c']=df['a'].apply(df['a'].index(*df['b']))

---

通过读取数据，使数据类型为列表，我能够创建一个应用函数，该函数为c创建值：

import io, ast

#a b
#['1','2','5'] ['2']
#['2','3','4'] ['4']
#['2','3','4'] []
#[] []

csvfile=io.StringIO("""a b
['1','2','5'] ['2']
['2','3','4'] ['4']
['2','3','4'] []
[] []""")

df = pd.read_csv(csvfile, sep=' ', converters={'a' : ast.literal_eval, 'b' : ast.literal_eval }) 

def a_b_index(hm):
  if hm.b != []:
     return hm.a.index(hm.b[0])
  else:
     return 0

df['c'] = df.apply(a_b_index, axis=1)

df.c
#           a    b  c
#0  [1, 2, 5]  [2]  1
#1  [2, 3, 4]  [4]  2
#2  [2, 3, 4]   []  0
#3         []   []  0

---

首先，这里有一个使用

.apply（）

的基本方法

将熊猫作为pd导入
将numpy作为np导入
列表a=['1'，'2'，'5']，['2'，'3'，'4']，['2'，'3'，'4']，[]
列表b=['2']，['4']，[]，[]
df_1=pd.DataFrame（data=zip（列表a，列表b），列=['a'，'b']）
df_1['a']=df_1['a'].map（λx:x如果x否则np.NaN）
df_1['b']=df_1['b'].map（lambda x:x[0]如果x否则np.NaN）
#df_1['b']=df_1['b'].map（lambda x:next（iter（x），np.NaN））
def计算（当前行：pd.系列）->int:
如果当前行['a']为np.NaN或当前行['b']为np.NaN：
返回0
其他：
返回当前行['a']。索引（当前行['b']）
df_1['c']=df_1['a'，b']]。应用（func=calc_c，axis=1）

df_1

结果：

    a                  b    c
--  ---------------  ---  ---
 0  ['1', '2', '5']    2    1
 1  ['2', '3', '4']    4    2
 2  ['2', '3', '4']  nan    0
 3  nan              nan    0

我将空列表替换为

NaN

，我发现它更加习惯和实用

---

这显然不是一个理想的解决方案，我将尝试寻找其他解决方案。显然，关于您的程序和数据帧的信息越多越好。

所有列表的大小是否相同？您的数据帧来自哪里？我们可能需要更多的代码，可能需要一些示例数据。请参阅：。另外，为什么要在基于一个的索引中显示结果？您的代码创建了一列

'd'

，但是您在解释中没有提到它。感谢您提到它，d列只是为了计算b中的元素在a列中出现的次数，但是如果我知道如何创建c列，我也可以对d列做同样的事情，这就是为什么我没有提到它的原因。好吧，这是有道理的。我明天会看一看，我相信我们能找到一个好的解决办法。同时，如果你有任何想法，请添加更多细节，嗯。数据帧的格式和周围的代码可以极大地改变哪种解决方案是最好的。谢谢，在此期间我将添加更多细节以使其更清楚。这里的

eval（）

真的是最佳选择吗？熊猫将数据类型视为一个我无法转换的对象，所以我选择了eval。直到，我能想出如何在没有评估的情况下转换它们，这是我能想出如何实现这个目标的最好方法。我为我所有的熊猫图案保留了一个文本文件，当我有更好的答案时对它们进行修改。我改变了它的工作方式，apply函数现在不进行求值，但我们确实将列表作为求值读取。我的另一个建议是使用.apply（eval）作为解决方案，因此这也可能是一个选项。您如何将

eval（）

用于操作本身？如果您以我的方式读取数据，我就不知道如何使用eval获取列表。我正在扩展我在应用函数方面的知识，你的回答在这方面帮助了我。这就是我喜欢stackoverflow的地方，不断地学习新东西，为我的图书馆建立更好的模式。这帮助我找到了另一个我正在研究的模式，谢谢Alexander，这是一个很好的答案+1@oppressionslayer如果不是太麻烦的话，你能分享一下模式吗？我很好奇：）我在弄清楚如何在应用函数中动态处理列时遇到了麻烦，但现在我看到我可以将它们作为键（从curr_行）dict_键（{“a”：[“1”，“2”，“5”]，“c”：1}）#-->dict_键（['a”，“c']），所以现在我可以在一般情况下制作更好的应用函数。关于pandas的很多问题没有得到回答，似乎是因为缺少了一个神奇的一行，但是有了动态列应用函数，我想我可以对以前无法回答的问题做出一些很好的回答，我不知道你可以这样构造函数，所以这非常有帮助。未来我可能会有几个问题问你是的，非常清楚，它运行得非常好，比我现有的for循环快得多。非常感谢。