Python 查找包含多行匹配条件的组

给定以下数据帧

df=pd.DataFrame（{'A'：list（'aaaaaa bbbbb cccc'），
“B”：列表（'EFGHIJEGHJKGHJKEI'））

我想找到

A

中的所有元素，其中

B

包含“G”、“H”和“I”

因此，结果应该是

|    | A   | B   |
|---:|:----|:----|
|  2 | A   | G   |
|  3 | A   | H   |
|  4 | A   | I   |
| 11 | C   | G   |
| 12 | C   | H   |
| 16 | C   | I   |

目前，我已经找到了下面的解决方案，但这似乎过于草率，我觉得我遗漏了一些明显的东西

hit=list（'GHI'））
out=df[df.groupby（'A'）。应用（lambda x:（x['B'].isin（hit））和（x['B'].isin（hit）.sum（）==len（hit））。值]

让我们做

groupby

+

filter

hit = list('GHI')
out = df.groupby('A').filter(lambda x : pd.Series(hit).isin(x['B']).all())
out = out[out.B.isin(hit)]
out
Out[308]: 
    A  B
2   A  G
3   A  H
4   A  I
11  C  G
12  C  H
16  C  I

---

这种转换不是很明显，但我们可以通过检查每个组的大小来保持它的矢量化，与

命中相比：

d = df[df['B'].isin(hit)]
size = d.groupby('A').size()
grps = size[size.eq(len(hit))].index

d[d['A'].isin(grps)]

你有两个条件：

hit是组的子集：
x['B'].isin（hit）.sum（）==len（hit）


B处的值包含在hit:
x['B']中。isin（hit）


所以你可以这样表达这两个条件

hit = frozenset('GHI')
print(df[df.groupby('A')['B'].transform(hit.issubset) & df['B'].isin(hit)])

输出

    A  B
2   A  G
3   A  H
4   A  I
11  C  G
12  C  H
16  C  I

表达方式：

df.groupby('A')['B'].transform(hit.issubset)

与条件1等效。
另一种方法：首先删除那些未命中的，然后过滤所有命中的

(df[df['B'].isin(hit)]
   .drop_duplicates(['A','B'])
   .loc[lambda x: x.groupby('A')['A'].transform('size')==len(hit)]
)

或与
groupby（）类似的想法。过滤器
：

(df[df['B'].isin(hit)]
   .groupby('A')
   .filter(lambda x: x['B'].nunique()==len(hit))
)

输出：

    A  B
2   A  G
3   A  H
4   A  I
11  C  G
12  C  H
16  C  I

下面是另一种使用布尔索引进行此操作的方法，无需使用
groupby
和
unstack
-

df = pd.DataFrame({'A':list('AAAAAABBBBBCCCCCC'),
                   'B':list('EFGHIJEGHJKGHJKEI')})


filt = df['B'].isin(hit)

df['C']=1
df[filt & df['A'].isin(df[filt].set_index(['A','B']).unstack('B').dropna().index)]

因为B有G和H，但不是i！我选择这个答案是因为我没有想到使用
集合
。这个解决方案对我来说更“易读”
    A  B
2   A  G
3   A  H
4   A  I
11  C  G
12  C  H
16  C  I

df = pd.DataFrame({'A':list('AAAAAABBBBBCCCCCC'),
                   'B':list('EFGHIJEGHJKGHJKEI')})


filt = df['B'].isin(hit)

df['C']=1
df[filt & df['A'].isin(df[filt].set_index(['A','B']).unstack('B').dropna().index)]

    A   B   C
2   A   G   1
3   A   H   1
4   A   I   1
11  C   G   1
12  C   H   1
16  C   I   1