如何按嵌套列表子项匹配pandas DataFrame，符合条件时输出对应索引与月份

基础数据 #

嵌套列表 #

list_of_list = [["aa", "yy"], ["gg", "xx"]]

测试用DataFrame #

month   column1  column2
0  June     xx        aa               
1  June     gg        xx                
2  August   xx        yy         

原有逻辑说明 #

原代码遍历嵌套列表的每个子项，检查子项是否存在于DataFrame任意列中，匹配时输出对应列的内容，现有代码如下：

for sub_list in list_of_lists:
    print("\n")
    print("Sub_list: ", sub_list)
    for item in sub_list:
        for col in df.columns:
            if item in df[col].values:
                print(df[col][df[col] == item].to_frame())

需求 #

在原有输出基础上，当且仅当子列表的各个匹配项不在DataFrame的同一索引行时，额外输出各匹配项对应的索引和月份值。示例：当输入list_of_list = [["aa", "yy"]]时，需额外输出：

0  June   aa
2  August yy  

实现方案 #

我们可以在原有遍历逻辑中增加匹配索引的收集与交集判断逻辑，判断是否存在同一行包含子列表的所有匹配项，无公共索引时触发额外输出：

import pandas as pd

# 数据初始化
list_of_list = [["aa", "yy"], ["gg", "xx"]]
df = pd.DataFrame({
    'month': ['June', 'June', 'August'],
    'column1': ['xx', 'gg', 'xx'],
    'column2': ['aa', 'xx', 'yy']
})

for sub_list in list_of_list:
    print("\n")
    print("Sub_list: ", sub_list)
    match_records = []
    item_index_sets = []
    
    for item in sub_list:
        current_item_indexes = set()
        for col in df.columns:
            if item in df[col].values:
                # 原有输出逻辑保留
                matched_part = df[col][df[col] == item]
                print(matched_part.to_frame())
                # 收集匹配到的索引、月份、匹配项信息
                for idx, val in matched_part.items():
                    match_records.append((idx, df.loc[idx, 'month'], item))
                    current_item_indexes.add(idx)
        if current_item_indexes:
            item_index_sets.append(current_item_indexes)
    
    # 判断是否所有子项匹配结果没有公共索引
    if len(item_index_sets) == len(sub_list):
        common_idx = set.intersection(*item_index_sets)
        if not common_idx:
            print("\n* 匹配项未出现在同一行，额外输出：")
            # 去重排序后输出
            for idx, month, item in sorted(list(set(match_records)), key=lambda x:x[0]):
                print(f"{idx}  {month}  {item}")

效果说明 #

• 对于子列表['aa', 'yy']：aa匹配索引为{0}，yy匹配索引为{2}，无公共索引，触发额外输出
• 对于子列表['gg', 'xx']：gg匹配索引为{1}，xx匹配索引包含1，存在公共索引，不触发额外输出
  完全符合需求。

内容的提问来源于stack exchange，提问作者xavi