Добавить идентификатор, найденный в списке, в новый столбец в pandas кадре данных

Question

Скажем, у меня есть следующий фрейм данных (столбец целых чисел и столбец со списком целых чисел) ...

      ID                   Found_IDs
0  12345        [15443, 15533, 3433]
1  15533  [2234, 16608, 12002, 7654]
2   6789      [43322, 876544, 36789]

А также отдельный список идентификаторов ...

bad_ids = [15533, 876544, 36789, 11111]

Учитывая это, игнорируя столбец df['ID'] и любой индекс, я хочу посмотреть, упоминается ли какой-либо из идентификаторов в списке bad_ids в столбце df['Found_IDs']. Код, который у меня есть:

df['bad_id'] = [c in l for c, l in zip(bad_ids, df['Found_IDs'])]

Это работает, но только если список bad_ids длиннее, чем кадр данных, а для реального набора данных список bad_ids будет намного короче, чем кадр данных. Если я установлю в списке bad_ids только два элемента ...

bad_ids = [15533, 876544]

Я получу очень популярную ошибку (я прочитал много вопросов с той же ошибкой) ...

ValueError: Length of values does not match length of index

Я попытался преобразовать список в серию (ошибка не изменилась). Я также попытался добавить новый столбец и установить все значения на False перед выполнением строки понимания (опять без изменений в ошибке).

Два вопроса:

1. Как сделать Я получаю свой код (ниже) для работы со списком, который короче, чем датафрейм?
2. Как получить код для записи фактического идентификатора, найденного обратно в столбец df['bad_id'] (более полезный, чем True / False)?

Ожидаемый вывод для bad_ids = [15533, 876544]:

      ID                   Found_IDs  bad_id
0  12345        [15443, 15533, 3433]    True
1  15533  [2234, 16608, 12002, 7654]   False
2   6789      [43322, 876544, 36789]    True

Идеальный вывод для bad_ids = [15533, 876544] (идентификаторы записываются в новый столбец или столбцы):

      ID                   Found_IDs  bad_id
0  12345        [15443, 15533, 3433]    15533
1  15533  [2234, 16608, 12002, 7654]   False
2   6789      [43322, 876544, 36789]    876544

Код:

import pandas as pd

result_list = [[12345,[15443,15533,3433]],
        [15533,[2234,16608,12002,7654]],
        [6789,[43322,876544,36789]]]

df = pd.DataFrame(result_list,columns=['ID','Found_IDs'])

# works if list has four elements
# bad_ids = [15533, 876544, 36789, 11111]

# fails if list has two elements (less elements than the dataframe)
# ValueError: Length of values does not match length of index
bad_ids = [15533, 876544]

# coverting to Series doesn't change things
# bad_ids = pd.Series(bad_ids)
# print(type(bad_ids))

# setting up a new column of false values doesn't change things
# df['bad_id'] = False

print(df)

df['bad_id'] = [c in l for c, l in zip(bad_ids, df['Found_IDs'])]

print(bad_ids)

print(df)

Answer 1

Используя np.intersect1d, чтобы получить пересечение двух списков:

df['bad_id'] = df['Found_IDs'].apply(lambda x: np.intersect1d(x, bad_ids))

      ID                   Found_IDs    bad_id
0  12345        [15443, 15533, 3433]   [15533]
1  15533  [2234, 16608, 12002, 7654]        []
2   6789      [43322, 876544, 36789]  [876544]

Или просто ваниль python, используя пересечение sets:

bad_ids_set = set(bad_ids)
df['Found_IDs'].apply(lambda x: list(set(x) & bad_ids_set))

Answer 2

Если хотите проверить все значения списков в столбце Found_IDs по всем значениям bad_ids, используйте:

bad_ids = [15533, 876544]

df['bad_id'] = [any(c in l for c in bad_ids) for l  in df['Found_IDs']]
print (df)
      ID                   Found_IDs  bad_id
0  12345        [15443, 15533, 3433]    True
1  15533  [2234, 16608, 12002, 7654]   False
2   6789      [43322, 876544, 36789]    True

Если хотите, чтобы все совпадения:

df['bad_id'] = [[c for c in bad_ids if c in l] for l  in df['Found_IDs']]
print (df)
      ID                   Found_IDs    bad_id
0  12345        [15443, 15533, 3433]   [15533]
1  15533  [2234, 16608, 12002, 7654]        []
2   6789      [43322, 876544, 36789]  [876544]

И для первого совпадать, если задан пустой список False, возможное решение, но не рекомендуется смешивать логические значения и числа:

df['bad_id'] = [next(iter([c for c in bad_ids if c in l]), False) for l  in df['Found_IDs']]
print (df)
      ID                   Found_IDs  bad_id
0  12345        [15443, 15533, 3433]   15533
1  15533  [2234, 16608, 12002, 7654]   False
2   6789      [43322, 876544, 36789]  876544

Решение с наборами:

df['bad_id'] = df['Found_IDs'].map(set(bad_ids).intersection)
print (df)

      ID                   Found_IDs    bad_id
0  12345        [15443, 15533, 3433]   {15533}
1  15533  [2234, 16608, 12002, 7654]        {}
2   6789      [43322, 876544, 36789]  {876544}

А также аналогично с пониманием списка :

df['bad_id'] = [list(set(bad_ids).intersection(l)) for l  in df['Found_IDs']]
print (df)
      ID                   Found_IDs    bad_id
0  12345        [15443, 15533, 3433]   [15533]
1  15533  [2234, 16608, 12002, 7654]        []
2   6789      [43322, 876544, 36789]  [876544]

Answer 3

с использованием merge и concat при группировке по индексу для возврата всех совпадений.

bad_ids = [15533, 876544, 36789, 11111]

df2 = pd.concat(
    [
        df,
        pd.merge(
            df["Found_IDs"].explode().reset_index(),
            pd.Series(bad_ids, name="bad_ids"),
            left_on="Found_IDs",
            right_on="bad_ids",
            how="inner",
        )
        .groupby("index")
        .agg(bad_ids=("bad_ids", list)),
    ],
    axis=1,
).fillna(False)
print(df2)


      ID                   Found_IDs          bad_ids
0  12345        [15443, 15533, 3433]          [15533]
1  15533  [2234, 16608, 12002, 7654]            False
2   6789      [43322, 876544, 36789]  [876544, 36789]

Answer 4

Вы можете применить и использовать np.any:

df['bad_id'] = df['Found_IDs'].apply(lambda x: np.any([c in x for c in bad_ids]))

Возвращает значение bool, если в Found_IDs существует bad_id, если вы хотите получить это bad_ids:

df['bad_id'] = df['Found_IDs'].apply(lambda x: [*filter(lambda x: c in x, bad_ids)])

This вернет список bad_ids на found_ids, если будет 0, он вернет []

Answer 5

Использование разнесения и группировки по группам

s = df['Found_IDs'].explode()
df['bad_ids'] = s.isin(bad_ids).groupby(s.index).any()

Для bad_ids = [15533, 876544]

>>> df
      ID                   Found_IDs  bad_ids
0  12345        [15443, 15533, 3433]     True
1  15533  [2234, 16608, 12002, 7654]    False
2   6789      [43322, 876544, 36789]     True

ИЛИ

Для получения значений, соответствующих

s = df['Found_IDs'].explode()
s.where(s.isin(bad_ids)).groupby(s.index).agg(lambda x: list(x.dropna()))

Для bad_ids = [15533, 876544]

      ID                   Found_IDs   bad_ids
0  12345        [15443, 15533, 3433]   [15533]
1  15533  [2234, 16608, 12002, 7654]        []
2   6789      [43322, 876544, 36789]  [876544]