如果具有特定的项目网，则对冻结集进行数据过滤。

Question

我想过滤一个具有关联规则结果的数据帧。在我的例子中，我想要包含像H或L这样的元素的前因。其前缘为冻融型。我试过了，但没有用。

Hrules=fdem_rules['H'  in fdem_rules['antecedents']]
Hrules=fdem_rules[frozenset({'H'})  in fdem_rules['antecedents']] 

不管用

在下面的示例中，我只需要第46行和第89行，因为它们有H。

df = pd.DataFrame({'antecedents': [frozenset({'N', 'M', '60'}), frozenset({'H', 'AorE'}), frozenset({'0-35', 'H', 'AorE', '60'}), frozenset({'AorE', 'M', '60', '0'}), frozenset({'0-35', 'F'})]})

             antecedents
75            (N, M, 60)
46             (H, AorE)
89   (0-35, H, AorE, 60)
103     (AorE, M, 60, 0)
38             (0-35, F)

Answer 1

set/frozenset方法

您可以在set/frozenset的方法中使用apply。这里检查是否至少存在H或L，可以使用{'H', 'L'}.isdisjoint的否定

match = {'H', 'L'}
df['H or L'] = ~df['antecedents'].apply(match.isdisjoint)

上面的一个更快的变体是使用列表理解：

match = {'H', 'L'}
df['H or L'] = [not match.isdisjoint(x) for x in df['antecedents']]

explode+isin+aggregate

另一个选项是使用explode，使用isin，并使用groupby+any聚合结果

match = {'H', 'L'}
df['H or L'] = df['antecedents'].explode().isin(match).groupby(level=0).any()

产出：

>>> df[['antecedents', 'H or L']]
             antecedents  H or L
75            (N, M, 60)   False
46             (H, AorE)    True
89   (0-35, H, AorE, 60)    True
103     (AorE, M, 60, 0)   False
38             (0-35, F)   False

切片匹配行

match = {'H', 'L'}
idx = [not match.isdisjoint(x) for x in df['antecedents']]
df[idx]

产出：

            antecedents consequents other_cols
46            (H, AorE)         (N)        ...
89  (0-35, H, AorE, 60)         (0)        ...