检查Python数据帧中的列表是否包含特定值，同时忽略NAN

假设我的dataframe的第二列包含整数列表：

df = pd.DataFrame({"col_1":[1,2,3,4,5],"col_2":[[1,2],np.nan,[3,5,9],[2],[8,5]],"col_3":np.nan})

输出：

   col_1      col_2  col_3
0      1     [1, 2]    NaN
1      2        NaN    NaN
2      3  [3, 5, 9]    NaN
3      4        [2]    NaN
4      5     [8, 5]    NaN

如果第1列中的int可以在第2列的int列表中找到，我想在第3列中插入1：

   col_1      col_2  col_3
0      1     [1, 2]    1
1      2        NaN    NaN
2      3  [3, 5, 9]    1
3      4        [2]    NaN
4      5     [8, 5]    1

我试图这样解决它：

for i in range(0,len(df)):
    if df["col_1"][i] in df["col_2"][i]:
        df["col_3"][i]=1

这给了我TypeError：类型为“float”的参数是不可iterable的，因为第2列中有NaN，我无法找到处理它的方法

我尝试使用基于.isin的不同解决方案来解决此问题，但这不起作用，因为AttributeError:'list'对象没有属性'isin'

然后我想到用0替换colu 2中的所有NaN，这样我的初始for循环就可以运行了。列1中没有0，也永远不会有，所以我对该解决方案没有意见，因为这不会导致列3中的错误匹配。为此,

df.loc[df["col_2"].isnull(), "col_2"] = 0

这是不够的，因为if-in无法处理int:TypeError:类型为“int”的参数不可iterable。我需要将0 do作为列表的一个元素插入，但不能只使用=[0]。我尝试了基于.at的不同方法，因为它应该能够将列表插入单元格，但我无法计算出来

---

提前感谢您的建议

您可以使用if-else和x['col\u 2']==x['col\u 2']过滤掉NaN，因为NaN！=NaN为False，Alsof或convert Trues values to 1由字典映射使用，False值不在dict中，因此返回NaN：

或用于删除NAN行，并在添加新列后重新分配新列删除NAN：

使用

---

非常感谢你@jezrael，这对我来说就像魔术一样。考虑到我的python级别，您的第二个建议直观地对我来说更有意义，但我仍然使用第一个建议，因为它也适用于col_2不包含任何值的情况。我不知道我有这些案例，我有20个这样的专栏，但多亏了你的代码。非常感谢你的时间@WeNYoBen。您的解决方案非常有效，即使每列超过一百万行，也能立即产生效果，但我选择了jezrael的解决方案，因为该解决方案更容易修改一系列列的循环。我没有实际使用col_2，而是从另一个数据帧插入列的标题：df[strcols[titles][I]]，然后在is中循环。仍然：非常感谢！

f = lambda x: x['col_1'] in x['col_2'] if x['col_2'] == x['col_2'] else np.nan
df['col_3'] = df.apply(f, 1).map({True:1})
print (df)
   col_1      col_2  col_3
0      1     [1, 2]    1.0
1      2        NaN    NaN
2      3  [3, 5, 9]    1.0
3      4        [2]    NaN
4      5     [8, 5]    1.0

f = lambda x: x['col_1'] in x['col_2']
df['col_3'] = df.dropna(subset=['col_1', 'col_2']).apply(f, 1).map({True:1})
print (df)
   col_1      col_2  col_3
0      1     [1, 2]    1.0
1      2        NaN    NaN
2      3  [3, 5, 9]    1.0
3      4        [2]    NaN
4      5     [8, 5]    1.0

s=df.dropna(subset=['col_2','col_1'])
df['new']=pd.DataFrame(s.col_2.tolist(),index=s.index).isin(df.col_1).sum(1).loc[lambda x : x!=0]
df
   col_1      col_2  col_3  new
0      1     [1, 2]    NaN  1.0
1      2        NaN    NaN  NaN
2      3  [3, 5, 9]    NaN  1.0
3      4        [2]    NaN  NaN
4      5     [8, 5]    NaN  1.0