python - Pandas : filter the rows based on a column containing lists

如何根据另一个列值过滤数据框中的行？

我有一个数据框，

ip_df:
     class    name     marks          min_marks  min_subjects
0    I        tom      [89,85,80,74]  80         2
1    II       sam      [65,72,43,40]  85         1

基于“min_subject”和“min_marks”的列值，应过滤该行。

对于索引0，“min_subjects”为“2”，“marks”列中的至少2个元素应大于80，即“min_marks”列，然后必须添加一个名为“flag”的新列作为1

对于索引1，“min_subjects”为“1”，“marks”列中的至少1个元素应大于85，即“min_marks”列，然后必须将一个名为“flag”的新列添加为0(即，flag = 0，因为这里的条件不满足)

最终结果应该是

op_df:
     class    name     marks          min_marks  min_subjects flag
0    I        tom      [89,85,80,74]  80         2            1
1    II       sam      [65,72,43,40]  85         1            0

谁能帮助我在数据框中实现同样的目标？

最佳答案

将列表理解与zip一起使用3列，比较生成器和sum中的每个值以进行计数，最后以最小标记进行比较并转换为整数:

df['flag'] = [1 if sum(x > c for x in a) >= b else 0
                 for a, b, c in zip(df['marks'], df['min_subjects'], df['min_marks'])]

通过int将boolean转换为0,1的替代方法:

df['flag'] = [int(sum(x > c for x in a) >= b)
                 for a, b, c in zip(df['marks'], df['min_subjects'], df['min_marks'])]

或用numpy解决方案:

df['flag'] = [int(np.sum(np.array(a) > c) >= b)
                  for a, b, c in zip(df['marks'], df['min_subjects'], df['min_marks'])]

print (df)
  class name             marks  min_marks  min_subjects  flag
0     I  tom  [89, 85, 80, 74]         80             2     1
1    II  sam  [65, 72, 43, 40]         85             1     0

关于python - Pandas : filter the rows based on a column containing lists，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58817539/