如果列包含元素列表，则组内的子集

Question

你好，我有一个df，比如

COL1 Col2  
G1    SP1.3
G1    SP2.3
G1    SP6.2
G1    SP4_4
G1    SP4_2
G1    SP8_2
G2    SP3_2
G2    SP1_3
G2    SP2_4
G2    SP2.2

如何才能仅将COL2包含(SP1、SP2和SP4实例)的groupbs子集(在COL1中)？

在这里，我应该只获取所有G1组：

COL1 Col2  
G1    SP1.3
G1    SP2.3
G1    SP6.2
G1    SP4_4
G1    SP4_2
G1    SP8_2

Answer 1

解决方案使用get values before .或_ by Series.str.split通过GroupBy.transform中的自定义函数对每个组的集合进行比较

a = ['SP1','SP2','SP4']
f = lambda x: set(x) >= set(a)
m = df['Col2'].str.split('\.|_').str[0].groupby(df['COL1']).transform(f)
df = df[m]
print (df)
  COL1   Col2
0   G1  SP1.3
1   G1  SP2.3
2   G1  SP6.2
3   G1  SP4_4
4   G1  SP4_2
5   G1  SP8_2

编辑:针对get values by list的Series.str.extract解决方案：

a = ['SP1','SP2','SP4']
f = lambda x: set(x) >= set(a)
m = df['Col2'].str.extract(f'({"|".join(a)})',expand=False).groupby(df['COL1']).transform(f)
df = df[m]

Answer 2

我为G1做了以下工作(不包括SP8)：

df.loc[(df['COL1']== 'G1') & (df['Col2'].str.contains('SP1|SP2|SP4'))]
df

    COL1    Col2
0   G1      SP1.3
1   G1      SP2.3
3   G1      SP4_4
4   G1      SP4_2