Python 如何使用列表中的数据帧值

我有一个dataframe，其中包含如下列中的值列表：

我想提取所有包含值“adhd”的行。我使用的代码：

df[df["Label"] == "adhd"]

但它返回给我一个只有列名的空数据帧。是因为我的数据是列表格式的吗？是否有任何方法来处理此问题，以便我可以删除行、查看行并使用它们。我更愿意将它们保留为列表，因为许多行具有多个值，如[“adhd”、“抑郁”]。

执行以下操作：

df[df['Label'].apply(lambda x: 'adhd' in x)]

---

如果要将它们保留在列表中，可以执行如下所述的操作：

df[df['label'].apply（lambda x:x=['adhd']）#保留那些只有adhd的人
df[df['label'].apply（lambda x:adhd'in x）]#保留所有患有adhd的人

但是，我建议对您的数据进行一次热编码，即每个标签保留一列（例如，ADHD的一列，如果患者患有ADHD，则值为1，否则为0）

我认为最简单的方法是：

df['label'].应用（pd.系列）

---

这样您就可以更轻松地处理数据。

无需应用方法的解决方案：

生成的示例数据帧：

example_df = pd.DataFrame(dict(data=[[str(i)] for i in range(0,10000,1000)],another_data=range(0,100000,10000)))

example_df

    data    another_data
0   [0] 0
1   [1000]  10000
2   [2000]  20000
3   [3000]  30000
4   [4000]  40000
5   [5000]  50000
6   [6000]  60000
7   [7000]  70000
8   [8000]  80000
9   [9000]  90000

example_df = example_df.explode('data')

>>>
    data    another_data
0   0   0
1   1000    10000
2   2000    20000
3   3000    30000
4   4000    40000
5   5000    50000
6   6000    60000
7   7000    70000
8   8000    80000
9   9000    90000

修复当前数据帧：

example_df = pd.DataFrame(dict(data=[[str(i)] for i in range(0,10000,1000)],another_data=range(0,100000,10000)))

example_df

    data    another_data
0   [0] 0
1   [1000]  10000
2   [2000]  20000
3   [3000]  30000
4   [4000]  40000
5   [5000]  50000
6   [6000]  60000
7   [7000]  70000
8   [8000]  80000
9   [9000]  90000

example_df = example_df.explode('data')

>>>
    data    another_data
0   0   0
1   1000    10000
2   2000    20000
3   3000    30000
4   4000    40000
5   5000    50000
6   6000    60000
7   7000    70000
8   8000    80000
9   9000    90000

得到筛选：

example_df[example_df['data'] == '1000']

>>>
    data    another_data
1   1000    10000

更新

要删除具有所需值的不需要的行，请执行以下操作：

example_df = example_df[example_df['data'] !='1000']
example_df 

>>>
    data    another_data
0   0   0
2   2000    20000
3   3000    30000
4   4000    40000
5   5000    50000
6   6000    60000
7   7000    70000
8   8000    80000
9   9000    90000

试试这个

---

df=df[df[“Label”].astype（str）.str.contains（“Label”）]

您好，我希望能帮助您。几周前我发现了这种方法

字典、列表、元组等。。。like对象（在较新版本的pandas中也可以称为stringdtype）

记住这一点，你可以做到这一点

example_df = [*([['foo']] * 79)]
example_df = pd.DataFrame({
  'Label': [*example_df, ['Love']],
  'Post': [*example_df, ['Another Value']]
})
example_df[
  example_df.Label.str.contains('Love', regex = False)
]

这就是结果

您还可以使用数组中的位置（此方法为字符串数据类型带来了强大的功能）

---

请以文本而不是图像的形式发布数据帧作为示例。请尝试

df[df[“Label”]==[“adhd”]]

谢谢您，它成功了。但是如何删除包含“adhd”值的行？如果可以选择值，也可以删除它们：

df=df[~df['label'].apply（lambda x:x=['adhd']）]