Python 基于列表对数据帧中的行进行灰显

我有以下数据框：

            ProbeGenes  sample1  sample2  sample3
0      1431492_at Lipn     20.3      130        1
1   1448678_at Fam118a     25.3      150        2
2  1452580_a_at Mrpl21      3.1      173       12

它是使用以下代码创建的：

import pandas as pd
df = pd.DataFrame({'ProbeGenes' : ['1431492_at Lipn', '1448678_at Fam118a','1452580_a_at Mrpl21'],
                   'sample1' : [20.3, 25.3,3.1],
                   'sample2' : [130, 150,173],        
                   'sample3' : [1.0, 2.0,12.0],         
                   })

然后，我想做的是列出一个清单：

list_to_grep = ["Mrpl21","lipn","XXX"]

我想提取（grep）

df

子集，其中

ProbeGenes

列成员包含在

list_to_grep

中，产生：

            ProbeGenes  sample1  sample2  sample3
      1431492_at Lipn     20.3      130        1
  1452580_a_at Mrpl21      3.1      173       12

理想情况下，grepping是不区分大小写的模式。 我怎样才能做到这一点

您的示例实际上不需要使用正则表达式

定义一个函数，该函数返回给定字符串是否包含列表中的任何元素

list_to_grep = ['Mrpl21', 'lipn', 'XXX']
def _grep(x, list_to_grep):
    """takes a string (x) and checks whether any string from a given 
       list of strings (list_to_grep) exists in `x`"""
    for text in list_to_grep:
        if text.lower() in x.lower():
            return True
    return False

创建遮罩：

mask = df.ProbeGenes.apply(_grep, list_to_grep=list_to_grep)

使用此掩码筛选数据帧：

df[mask]

这将产生：

            ProbeGenes  sample1  sample2  sample3
0      1431492_at Lipn     20.3      130        1
2  1452580_a_at Mrpl21      3.1      173       12

注意，这对小数据集很有效，但我在大数据帧（~10GB）中将函数应用于文本列时经历了不合理的长时间，在这种情况下，将函数应用于列表所需的时间要少得多，我不知道为什么

出于我无法理解的原因，类似这样的东西可以让我更快地过滤

>>> from functools import partial
>>> mylist = df.ProbeGenes.tolist()
>>> _greppy = partial(_grep, list_to_grep=list_to_grep)
>>> mymask = list(map(_greppy, mylist))
>>> df[mymask]