如何从熊猫DataFrame数组列中选择具有特定值的行

Question

我有一个带有数组列的数据帧：

id,classes,text
71,`["performer_146", "performer_42"]`,`adipiscing urna. molestie `
72,["performer_42"],`a ligula odio elementum, neque suscipit. egestas Maecenas`
73,["performer_146"],`vestibulum orci nec vestibulum, ligula orci et mauris lobortis, et Aliquam`
74,["performer_0"],tincidunt non interdum nunc ultrices mi accumsan elementum arcu venenatis
75,`["performer_146", "performer_42"]`, orci elementum non finibus dolor. Cras
76,`["performer_42", "performer_146"]`,`mi lectus Maecenas eleifend neque amet, `
77,["performer_146"],` platea placerat. odio Morbi rutrum, eu Cras`

我读了这个CSV，并将“类”列的值转换成数组：

import pandas as pd
import ast

df = pd.read_csv(filename, quotechar='`')
df['classes'] = df['classes'].apply(lambda x: ast.literal_eval(x))

现在我想选择“类”值中具有“performer_0”的行。像这样：

df['performer_0' in df['classes']]

但是这个代码不起作用：

回溯（最后一次调用）：文件“d:\pyenv\pandas\lib\site packages\pandas\core\indexes\base.py”，第2657行，在get_loc return self.\u engine.get_loc（键）文件“pandas_libs\index.pyx”，第108行，在pandas.\u libs.index.IndexEngine.get_loc文件“pandas\libs\index.pyx”，第132行，在pandas.\libs.index.IndexEngine.get_loc文件中“pandas\libs\hashtable\u class\u helper.pxi”，第1601行，在pandas.\u libs.hashtable.PyObjectHashTable.get\u项目文件“pandas\libs\hashtable\u class\u helper.pxi”，第1608行，在pandas.\u libs.hashtable.PyObjectHashTable.get\u项目键错误：False

在处理上述异常期间，发生了另一个异常：

回溯（最后一次调用）：文件“”，第1行，在文件“d:\pyenv\pandas\lib\site packages\pandas\core\frame.py”，第2927行，在getitem indexer=self.columns.get\loc（key）文件“d:\pyenv\pandas\lib\site packages\pandas\core\indexes\base.py”中，在get\loc返回self.get\loc（self.\cast\index（key））文件中的第2659行“pandas_libs\index.pyx”，pandas中的第108行。_libs.index.IndexEngine.get_loc File“pandas_libs\index.pyx”，pandas中的第132行。_libs.index.IndexEngine.get_loc File“pandas_libs\hashtable_class_helper.pxi”，pandas中的第1601行。_libs.hashtable.PyObjectHashTable.get_项文件“pandas\hashtable_libs\hashtable_class_helper.pxi”，第1608行，在pandas中。_libs.hashtable.PyObjectHashTable.get_item key错误：False

我该怎么做？

Answer 1

如果你在熊猫0.25上工作，你可以使用爆炸：

df[df['classes'].explode().eq(performer_0).any(level=0)]

Answer 2

我找到的最简单的方法是组合apply并选择：

df[df['classes'].apply(lambda x: 'performer_0' in x)]