Додайте ідентифікатор, знайдений у списку, до нового стовпця в рамці даних панди

Скажімо, у мене є такий фрейм даних (стовпець цілих чисел та стовпець із переліком цілих чисел) ...

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

А також окремий список ідентифікаторів ...

bad_ids = [15533, 876544, 36789, 11111]

Враховуючи це, і ігноруючи df['ID']стовпчик та будь-який індекс, я хочу перевірити, чи bad_idsв df['Found_IDs']колонці згадується якийсь із ідентифікаторів у списку . Код, який у мене поки що є:

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

Це працює, але лише в тому випадку, якщо bad_idsсписок довший за рамки даних і для реального набору даних цей bad_idsсписок буде набагато коротшим, ніж фрейм даних. Якщо я встановив bad_idsсписок лише на два елементи ...

bad_ids = [15533, 876544]

Я отримую дуже популярну помилку (я прочитав багато питань з однаковою помилкою) ...

ValueError: Length of values does not match length of index

Я спробував перетворити список у серію (жодної зміни помилки). Я також спробував додати новий стовпець і встановити всі значення, Falseперш ніж робити лінію розуміння (знову ж ніякої зміни помилки).

Два питання:

1. Як змусити код (нижче) працювати для списку, який коротший, ніж фрейм даних?
2. Як я можу отримати код, щоб записати фактичний ідентифікатор, знайдений назад у df['bad_id']стовпець (корисніший за True / False)?

Очікуваний вихід 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

Ідеальний вихід для bad_ids = [15533, 876544](ідентифікаторів) записується в новий стовпчик або стовпці):

      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)

Використовуючи np.intersect1dдля отримання перетину двох списків:

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]

Або просто з ванільним пітоном, використовуючи перетин sets:

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

Якщо ви хочете перевірити всі значення списків у Found_IDsстовпці за всіма значеннями bad_idsвикористання:

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

Якщо потрібно, щоб усі відповідали:

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]

І для першого матчу, якщо встановлено порожній список False, можливе рішення, але не рекомендується змішувати булеві числа та 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

Рішення з 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 також схоже зі розумінням списку:

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]

Ви можете застосувати та використовувати np.any:

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

Це поверне bool, якщо в Found_IDs існує bad_id, якщо ви хочете отримати ці bad_ids:

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

Це поверне список bad_ids у found_ids, якщо є 0, він повертається []

за допомогою mergeта concatпід час групування за вашим індексом, щоб повернути всі збіги.

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]

Використовуйте сукупність вибухів та групуйте

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

АБО

Для отримання відповідності значень

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]