You need to enable JavaScript to run this app. 如何在Pandas DataFrame中搭建嵌套条件逻辑处理列表元素
优惠活动
大模型
产品
解决方案
定价
更多

如何在Pandas DataFrame中搭建嵌套条件逻辑处理列表元素

实现带双层过滤规则的Pandas列列表元素随机删除逻辑

原实现的冗余问题

  • 原sublist_condition_check函数中else: sublist = sublist属于无意义的冗余赋值,没有实际作用
  • 原bernoulli_trial函数对整列表统一生成随机掩码的逻辑,无法适配“仅指定元素参与删除”的第二层规则

最终实现代码

import numpy as np
import pandas as pd

# 可配置常量,避免硬编码
TARGET_DELETE_COLOURS = {'red', 'mauve', 'black'}  # 待判断是否删除的目标元素集合
MIN_LEN_TO_PROCESS = 2  # 仅当子列表长度大于该值时进入后续处理
DELETE_PROB = 0.5  # 伯努利试验的删除概率

def process_colour_sublist(sublist: list[str]) -> list[str]:
    # 规则1:长度不满足要求时直接返回原列表
    if len(sublist) <= MIN_LEN_TO_PROCESS:
        return sublist
    
    # 规则2:逐元素判断处理
    result = []
    for colour in sublist:
        # 非目标元素直接保留
        if colour not in TARGET_DELETE_COLOURS:
            result.append(colour)
            continue
        # 目标元素执行伯努利试验,未命中删除条件则保留
        if np.random.binomial(n=1, p=DELETE_PROB) == 0:
            result.append(colour)
    return result

DataFrame应用方式

# 构建测试数据集
df = pd.DataFrame(
    data={
        'store': [1, 2, 3],
        'colours': [
            ['red', 'blue', 'yellow', 'green', 'brown', 'pink'],
            ['black', 'white'],
            ['purple', 'orange', 'cyan', 'mauve']
        ]
    }
)

# 对colours列逐行应用处理逻辑
df['colours'] = df['colours'].apply(process_colour_sublist)

设计优化说明

  • 成员校验用集合替代列表:集合的in判断为O(1)复杂度,远快于列表的O(n)遍历,目标元素数量越多性能提升越明显
  • 无冗余操作:长度判断不通过时直接返回原对象,去掉原实现里多余的赋值、拷贝步骤
  • 算力损耗最小化:仅对需要参与删除判断的目标元素生成随机数,非目标元素不触发随机计算,比一次性给全列表生成随机掩码的逻辑效率更高
  • 规则易维护:所有可调整的规则参数都抽为独立常量,后续修改长度阈值、删除概率、目标元素列表时,不需要改动函数内部的处理流程

内容的提问来源于stack exchange,提问作者cookie1986

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.17 01:15:00