Подсчет длины пересечения списка с pandas столбцом списков

Question

У меня есть список уникальных случайных целых чисел и кадр данных со столбцом списков, как показано ниже:

>>> panel
    [1, 10, 9, 5, 6]

>>> df
       col1 
    0  [1, 5]
    1  [2, 3, 4]
    2  [9, 10, 6]

Вывод, который я хотел бы получить, - это длина перекрытия между panel и каждый отдельный список в кадре данных:

>>> result
       col1        res
    0  [1, 5]      2
    1  [2, 3, 4]   0
    2  [9, 10, 6]  3

В настоящее время я использую функцию apply, но мне было интересно, есть ли более быстрые способы, так как мне нужно создать много панелей и l oop через это задание для каждой панели.

# My version right now
def cntOverlap(panel, series):
    # Typically the lists inside df will be much shorter than panel, 
    # so I think the fastest way would be converting the panel into a set 
    # and loop through the lists within the dataframe

    return sum(1 if x in panel for x in series)
    #return len(np.setxor1d(list(panel), series))
    #return len(panel.difference(series))


for i, panel in enumerate(list_of_panels):
    panel = set(panel)
    df[f"panel_{i}"] = df["col1"].apply(lambda x: cntOverlap(panel, x))

Answer 1

Из-за данных переменной длины на строку нам нужно выполнить итерацию (явно или неявно, то есть под капотами), оставаясь в пределах Python. Но мы можем оптимизировать до уровня, при котором вычисление на одну итерацию сводится к минимуму. В соответствии с этой философией, вот один с присвоением массива и некоторым маскированием -

# l is input list of unique random integers
s = df.col1
max_num = 10 # max number in df, if not known use : max(max(s))
map_ar = np.zeros(max_num+1, dtype=bool)
map_ar[l] = 1
df['res'] = [map_ar[v].sum() for v in s]

В качестве альтернативы с двумерным присвоением массива для дальнейшей минимизации вычисления за одну итерацию -

map_ar = np.zeros((len(df),max_num+1), dtype=bool)
map_ar[:,l] = 1
for i,v in enumerate(s):
    map_ar[i,v] = 0
df['res'] = len(l)-map_ar.sum(1)

Answer 2

Вы можете использовать explode (доступно из pandas 0.25+) и isin:

df['col1'].explode().isin(panel).sum(level=0)

Выход:

0    2.0
1    0.0
2    3.0
Name: col1, dtype: float64