索引ids的交叉引用列表

Question

我已经将与某个值相关联的ids列表组合在一起，并将所有这些ids列表放到一个dataframe中。如下所示：(使用index = id)

    phase  list_ids
id  
a1  1      [a1,a2,c3] 
a2  3      [a1,b2,c3]  
b1  3      [a2,b2] 
b2  2      [b1,b2,c1] 
b3  3      [b2,c1] 
c1  1      [a1,a2,c3] 
c2  1      [a1,b1,c4] 
c3  2      [c1,c2,c4] 
c4  1      [c1,c2]

我想迭代这些列表，并将它们交叉引用到id索引，其中位相等于2或3，然后将与原始列表匹配的id保持在原来的列表中(或者如果不可能，使用修改后的列表创建一个新列)。如下所示：

    phase  list_ids
id  
a1  1      [a2,c3] #ids whose phase != 2|3 not kept in list
a2  3      [b2,c3]  
b1  3      [a2,b2] 
b2  2      [b1,b2] 
b3  3      [b2] 
c1  1      [a2,c3] 
c2  1      [b1] 
c3  2      [] 
c4  1      []

如果可能的话，我希望在dataframe对象中这样做，因为每一行都有多个特性/依赖项。关于这件事有什么建议吗？

我的实际数据：

               phase  ids
Study_id             
ACP-103-006    2.0   [ACP-103-006, ACP-103-020, ACP-103-019, ACP-10... 
ACP-103-008    2.0   [ACP-103-006, ACP-103-020, ACP-103-019, ACP-10...  
ACP-103-010    2.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...  
ACP-103-012    3.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...  
ACP-103-014    3.0   [ACP-103-042, ACP-103-034, ACP-103-014, ACP-10...   

而D型：

phase float64 
ids object
dtype: object 

和good_ids输出：

print(good_ids)
{'CLS1001-301', 'EFC13799', 'AG120-C-009', 'IRBES_R_04320', 'LTS11298', 'CLS1003-302', '13621', 'TMC-ORI-10-01', '11935', 'C_8428', 'ACP-103-008', 'SFY13476', 'MNTX 301EXT', '14-OBE001-016', '812P310', 'V01-126A-201', 'VX06-770-101', 'EFC11603', ...}

Answer 1

假设列list_ids中的每个元素都是字符串列表，则可以执行以下操作：

首先获得“好”set的ids (其中阶段为2或3)：

good_ids = set(df[df["phase"].isin([2,3])].index)
print(good_ids)
#{'a2', 'b1', 'b2', 'b3', 'c3'}

接下来，使用apply来使用good_ids过滤list_ids

df["list_ids"] = df["list_ids"].apply(lambda x: [val for val in x if val in good_ids])
print(df)
#    phase  list_ids
#id                 
#a1      1  [a2, c3]
#a2      3  [b2, c3]
#b1      3  [a2, b2]
#b2      2  [b1, b2]
#b3      3      [b2]
#c1      1  [a2, c3]
#c2      1      [b1]
#c3      2        []
#c4      1        []