Python 布尔掩蔽每个行中不同长度的列表

我有以下数据帧：

df=pd.DataFrame({
“标签”：[
[{'id'：1401}，{'id'：1801}]，
[{'id'：502}，{'id'：703}，{'id'：1801}]，
[{'id'：1801}]
]
})

我只对

'tags'

列中的

'id'：1801

值感兴趣，如果

'id'：1801

存在，我想创建一个包含

True

的新列，如果

'id'：1801

不存在，则包含

False

---

如果性能对

get

测试很重要，并且

id

缺失，则非常感谢将lambda函数与

Any一起使用：

df = pd.DataFrame({
    'tags': [
        [{'id': 1401}, {'id': 1801}],
        [{'id': 502}, {'id': 703}, {'id': 1801}],
        [{'id': 1}]
    ]
})

df['new'] = df['tags'].apply(lambda x: any(y.get('id') == 1801 for y in x))
print (df)
                                       tags    new
0              [{'id': 1401}, {'id': 1801}]   True
1  [{'id': 502}, {'id': 703}, {'id': 1801}]   True
2                               [{'id': 1}]  False


如果始终根据标签
存在
id
：

In [283]: %timeit [any(d['id'] == 1801 for d in l) for l in df['tags']]
2.44 ms ± 215 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

我们可以
分解
标记
列，然后使用
str
accesor获取
id
的值，并将其与
1801
进行比较，以创建一个布尔掩码，然后在
级别=0
上创建
任意
，以减少：

df['flag'] = df['tags'].explode().str['id'].eq(1801).any(level=0)

如果dataframe很大，需要考虑性能，那么我们可以使用
列表理解
，这将优于所有可用的基于pandas的解决方案

df['flags'] = [any(d['id'] == 1801 for d in l) for l in df['tags']]


df['flags'] = [any(d['id'] == 1801 for d in l) for l in df['tags']]

                                       tags  flag
0              [{'id': 1401}, {'id': 1801}]  True
1  [{'id': 502}, {'id': 703}, {'id': 1801}]  True
2                            [{'id': 1801}]  True