python - 使用自定义函数按组汇总 pandas DataFrame 会导致错误的输出

Question

我有一个 pandas DataFrame，我想使用解析为 bool 值的自定义函数按组对其进行汇总。

考虑以下数据。 df 描述了 4 个人，以及每个人他们喜欢的水果。

import numpy as np
import pandas as pd

df = pd.DataFrame({
    "name": ["danny", "danny", "danny", "monica", "monica", "monica", "fred", "fred", "sam", "sam"],
    "fruit": ["apricot", "apple", "orange", "apricot", "banana", "watermelon", "apple", "apricot", "apricot", "peach"]
})

print(df)
##      name       fruit
## 0   danny     apricot
## 1   danny       apple
## 2   danny      orange
## 3  monica     apricot
## 4  monica      banana
## 5  monica  watermelon
## 6    fred       apple
## 7    fred    apricot
## 8     sam    apricot
## 9     sam       peach

我想总结此表，以找到喜欢两者 杏 和 苹果的人。换句话说，我的所需输出如下表

# desired output
##      name     fruit
## 0   danny     True
## 1  monica     False
## 2    fred     True
## 3     sam     False

我的尝试

我首先定义了一个函数，用于搜索目标列表中是否存在字符串:

def is_needle_in_haystack(needle, haystack):
  return all(x in haystack for x in needle)

is_needle_in_haystack() 工作的示例:

is_needle_in_haystack(["zebra", "lion"], ["whale", "lion", "dog"])
# False

is_needle_in_haystack(["rabbit", "cat"], ["hamster", "cat", "monkey", "rabbit"])
# True

现在我在按名称对df进行分组时使用了is_needle_in_haystack():

target_fruits = ["apricot", "apple"]

df.groupby(df["name"]).agg({"fruit": lambda x: is_needle_in_haystack(target_fruits, x)})

那为什么我会得到以下输出，这显然不符合预期？

##    fruit
## name         
## danny   False
## fred    False
## monica  False
## sam     False

我的代码做错了什么？

Answer 1

问题在于，当在 .agg 中调用时，haystack 是一个系列。 ，更改为:

def is_needle_in_haystack(needle, haystack):
    return all(x in set(haystack) for x in needle)


target_fruits = ["apricot", "apple"]
res = df.groupby(df["name"]).agg({"fruit": lambda x: is_needle_in_haystack(target_fruits, x)})
print(res)

输出

        fruit
name
danny    True
fred     True
monica  False
sam     False

Series 的 in 运算符返回 False，例如:

"hamster" in pd.Series(["hamster", "cat", "monkey", "rabbit"])
# False