如何在含列表的列上使用pandas .loc匹配获取对应p_val

问题根源 #

报错TypeError: unhashable type: 'list'是因为combo列存的是列表，而isin()要求传入的元素是可哈希类型（比如元组、字符串），列表不可哈希所以没法用。ValueError则是直接用列表和Series比较时，长度不匹配导致的。

方案一：将combo列转为元组（推荐） #

先把DataFrame里的combo列从列表转成元组，这样就能正常用匹配逻辑：

# 预处理：把combo列的列表转成元组
df_sigs['combo'] = df_sigs['combo'].apply(tuple)

# 循环获取p_val
for feature in features:
    for comb in combinations:
        # 把传入的comb也转成元组，和DataFrame里的类型统一
        comb_tuple = tuple(comb)
        # 匹配feature_name和combo，提取对应的p_val
        pval = df_sigs.loc[(df_sigs['feature_name'] == feature) & (df_sigs['combo'] == comb_tuple), 'p_val'].values[0]
        # 这里直接用pval执行绘图逻辑即可

方案二：不修改原DataFrame，直接用元素匹配 #

如果不想改动原DataFrame，可以用apply()遍历判断每个combo是否和目标列表相等：

for feature in features:
    for comb in combinations:
        # 生成匹配掩码：同时满足feature名称一致、combo列表相等
        mask = (df_sigs['feature_name'] == feature) & (df_sigs['combo'].apply(lambda x: x == comb))
        # 提取p_val，注意先确认有匹配结果再取值
        if mask.sum() > 0:
            pval = df_sigs.loc[mask, 'p_val'].values[0]
            # 后续绘图逻辑

额外提示 #

如果存在匹配不到对应行的情况，直接取values[0]会触发索引越界错误，建议加个存在性判断（比如方案二里的mask.sum() > 0），避免报错中断程序。

内容的提问来源于stack exchange，提问作者user20646185