在python list中筛选包含字符的字段方式
作者:cuisidong1997
这篇文章主要介绍了在python list中筛选包含字符的字段方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
python list筛选包含字符的字段
l = [‘123a',‘456b',‘789c'] ll = [s for s in l if ‘a' in s]
这是通过判断语句
lst = [“123a”, “456b”, “789c”] lst = list(filter(lambda x: x.find(“a”) >= 0, lst)) print(lst)
这是通过函数
Python 列表筛选数据
在做数据处理中,常会遇到列表筛选
比如有以下两个列表
根据上列表中的KEY1 , 筛选下列表的数据,也就是标黄的数据。数量不大的情况,一般就是遍历比较,逻辑简单,几行代码搞掂。
但如果列表达到万,或者百万、千万,那遍历效率就低了。
先构造测试的列表
# 构造筛选目标列表,确保KEY不重复 n1 = 30000 n1_set = set([random.randint(1,n1) for n in range(n1)]) n1 = len(n1_set) list1 = [['1108{:0>6d}27'.format(n), "".join(random.sample('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz',10))] for n in n1_set] # 构造待筛选数据列表,确保KEY不重复 n2 = 100000 n2_set = set([random.randint(1,n2) for n in range(n2)]) n2= len(n2_set) list2 = [['1108{:0>6d}27'.format(n), "".join(random.sample('ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz',5)),n ] for n in n2_set]
比较遍历、列表生成式+filter 、pandas 的 merge 三种方法效率
筛选目标18971条, 待处理数据63275条 遍历生成数据 耗时11.591秒 获得数据量 12024 ['11080000427', 'eArVD', 4] filter 耗时11.5秒 获得数据量 12024 ['11080000427', 'eArVD', 4] merge 耗时0.058秒 获得数据量 12024 ['11080000427', 'eArVD', 4]
筛选目标189733条, 待处理数据632363条 遍历生成数据 耗时1597.4296秒 获得数据量 120180 ['1108000000227', 'NkoEQ', 2] filter 耗时1575.0432秒 获得数据量 120180 ['1108000000227', 'NkoEQ', 2] merge 耗时0.64秒 获得数据量 120180 ['1108000000227', 'NkoEQ', 2]
经过比较, 直接遍历生成和列表生成式+filter的效率基本一致, pandas 的merge 效率最高。适合大批量数据处理。
上代码
print("筛选目标{}条, 待处理数据{}条".format(n1,n2)) # 直接遍历生成数据,计时 t1 = time.time() list_temp = [n[0] for n in list1] list3 = [] for n in list2: if n[0] in list_temp: list3.append(n) t2 = time.time() print("遍历生成数据 耗时{}秒".format(round(t2 - t1, 4)), "获得数据量", len(list3)) print(list3[0]) # 用filter筛选数据,计时 t1 = time.time() list_temp = [n[0] for n in list1] list3 = [n for n in filter(lambda x: x[0] in list_temp, list2)] t2 = time.time() print("filter 耗时{}秒".format(round(t2 - t1,4)), "获得数据量", len(list3)) print(list3[0]) # 用pd.merge 筛选数据,计时 t1 = time.time() df1 = pd.DataFrame(list1, columns=['k1','m1']) df2 = pd.DataFrame(list2, columns=['k1','m2','n2']) df3 = pd.merge(df1[['k1']], df2, how='inner', on='k1') t2 = time.time() print("merge 耗时{}秒".format(round(t2 - t1,4)), "获得数据量", len(df3)) print(list(df3.iloc[0]))
以上为个人经验,希望能给大家一个参考,也希望大家多多支持脚本之家。