在python list中篩選包含字符的字段方式

更新時間：2022年11月01日 10:11:27 作者：cuisidong1997

這篇文章主要介紹了在python list中篩選包含字符的字段方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教

python list篩選包含字符的字段

l = [‘123a',‘456b',‘789c']

ll = [s for s in l if ‘a(chǎn)' in s]

這是通過判斷語句

lst = [“123a”, “456b”, “789c”]
lst = list(filter(lambda x: x.find(“a”) >= 0, lst))
print(lst)

這是通過函數(shù)

Python 列表篩選數(shù)據(jù)

在做數(shù)據(jù)處理中，常會遇到列表篩選

比如有以下兩個列表

根據(jù)上列表中的KEY1 , 篩選下列表的數(shù)據(jù)，也就是標黃的數(shù)據(jù)。數(shù)量不大的情況，一般就是遍歷比較，邏輯簡單，幾行代碼搞掂。

但如果列表達到萬，或者百萬、千萬，那遍歷效率就低了。

先構造測試的列表

# 構造篩選目標列表,確保KEY不重復
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]
 
# 構造待篩選數(shù)據(jù)列表,確保KEY不重復
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]

比較遍歷、列表生成式+filter 、pandas 的 merge 三種方法效率

篩選目標18971條, 待處理數(shù)據(jù)63275條
遍歷生成數(shù)據(jù) 耗時11.591秒 獲得數(shù)據(jù)量 12024
['11080000427', 'eArVD', 4]
filter 耗時11.5秒 獲得數(shù)據(jù)量 12024
['11080000427', 'eArVD', 4]
merge 耗時0.058秒 獲得數(shù)據(jù)量 12024
['11080000427', 'eArVD', 4]

篩選目標189733條, 待處理數(shù)據(jù)632363條
遍歷生成數(shù)據(jù) 耗時1597.4296秒 獲得數(shù)據(jù)量 120180
['1108000000227', 'NkoEQ', 2]
filter 耗時1575.0432秒 獲得數(shù)據(jù)量 120180
['1108000000227', 'NkoEQ', 2]
merge 耗時0.64秒 獲得數(shù)據(jù)量 120180
['1108000000227', 'NkoEQ', 2]

經(jīng)過比較，直接遍歷生成和列表生成式+filter的效率基本一致， pandas 的merge 效率最高。適合大批量數(shù)據(jù)處理。

上代碼

print("篩選目標{}條, 待處理數(shù)據(jù){}條".format(n1,n2))
 
# 直接遍歷生成數(shù)據(jù)，計時
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("遍歷生成數(shù)據(jù) 耗時{}秒".format(round(t2 - t1, 4)), "獲得數(shù)據(jù)量", len(list3))
print(list3[0]) 
 
 
# 用filter篩選數(shù)據(jù)，計時
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 耗時{}秒".format(round(t2 - t1,4)), "獲得數(shù)據(jù)量", len(list3))
print(list3[0])
 
 
# 用pd.merge 篩選數(shù)據(jù)，計時
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 耗時{}秒".format(round(t2 - t1,4)), "獲得數(shù)據(jù)量", len(df3))
print(list(df3.iloc[0]))

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: