在pandas DataFrame中使用比较列表时出现问题

Question

我有一个pandas的DataFrame，其中一列的数据类型是int列表，如下所示：

df = pandas.DataFrame([[1,2,3,[4,5]],[6,7,8,[9,10]]], columns=['a','b','c','d'])
>>> df
   a  b  c        d
0  1  2  3   [4, 5]
1  6  7  8  [9, 10]

我希望使用d构建一个过滤器，但是普通的比较操作似乎不起作用：

>>> df['d'] == [4,5]
0    False
1    False
Name: d, dtype: bool

然而，当我逐行检查时，我得到了我所期望的结果。

>>> df.loc[0,'d'] == [4,5]
True

这里发生了什么？我该如何进行列表比较？

- Mike

---

你的第一个比较方法行不通，因为没有将序列转换成列表进行比较。而第二个方法是可行的，因为返回的是元素内容即列表，可以进行比较。你能解释一下你想要实现什么吗？ - EdChum

@EdChum d['d'] 返回一个 list 的 Series，然后该操作将每个元素与右侧进行比较。我期望返回的序列是 [True,False]，因为第一行在列 d 上有相同的列表，而第二行没有。但实际上我得到了 [false, false]，这对我来说没有意义。 - Mike

这不是一个错误，而是列表语法用于整个系列的比较。这是有道理的，因为您不是将每个元素与[4,5]进行比较，而是将第一个元素与4进行比较（它不是）并将第二个元素与5进行比较（它不是）。因此：[False，False]。如果您想要类似的行为，我猜您可以使用元组：df["d"] == (4,5)会按您想要的方式工作。pandas实际上不支持非标量条目。 - DSM

如果您这样做：df.d == [[4,5],[4,5]]，那么 DSM 是正确的，它会按照您的预期执行，但语法不太灵活。 - EdChum

@DSM 好的，那很有道理，元组似乎是正确的选择。 - Mike

Answer 1

这是一个奇怪的问题，可能与列表不可哈希有关。 我建议使用“apply”：

df['d'].apply(lambda x: x == [4,5])

当然，如DSM所建议的那样，以下方法可行：

df = pd.DataFrame([[1,2,3,(4,5)],[6,7,8,(9,10)]], columns=['a','b','c','d'])
df['d'] == (4,5)

另一种解决方案是使用“列表推导式”（list comprehension）：

df[[x == [4, 5] for v in df['col2']]]

- Gioelelm

Answer 2

作为一种替代方案，如果您希望保留您的“列表系列”结构，您可以将您的系列转换为元组仅用于比较目的。这可以通过 pd.Series.apply 实现：

>>>>df['d'].apply(tuple) == (4, 5)

0     True
1    False
Name: d, dtype: bool

然而，请注意一点，对于一系列列表中可用的选项均不是矢量化的。建议在执行比较之前将数据拆分为数字系列。

- jpp