对应列表数据的分割和分组

要基于指定的流派列表分割数据，可以使用 布尔索引 或 groupby 结合筛选。以下是具体方法：

---

场景假设

• 数据列 genres 中的值可能是多流派的字符串，例如 "drama,action" 或 ["drama", "action"]。
• 目标：根据给定的流派列表 ['drama', 'action', 'thriller', 'european']，提取每个流派对应的所有电影数据。

---

方法 1：布尔索引（推荐）

直接筛选包含指定流派的记录，即使一条数据属于多个流派也会被重复计入不同分组。

步骤

1. 预处理流派列（确保格式统一）：

   # 将 genres 转换为小写，并拆分成列表（假设原数据用逗号分隔）
   combined_data['genres'] = combined_data['genres'].str.lower().str.split(',')
   

2. 定义目标流派列表：

   target_genres = ['drama', 'action', 'thriller', 'european']
   

3. 创建字典存储各流派数据：

   genre_dict = {}
   for genre in target_genres:
       # 生成布尔掩码：检查每条记录的 genres 是否包含当前流派
       mask = combined_data['genres'].apply(lambda x: genre in x)
       genre_dict[genre] = combined_data[mask]
   

验证结果

# 查看 action 流派的数据量
print(f"Action 电影数量: {len(genre_dict['action'])}")

# 查看前 2 个流派的数据
for genre in list(genre_dict.keys())[:2]:
    print(f"=== {genre.upper()} ===")
    print(genre_dict[genre].head(2))

---

方法 2：使用 groupby + 筛选

若 genres 是单一标签（非多标签），可以直接分组：

步骤

1. 预处理为单一流派（如无多标签）：

   # 如果存在多标签，取第一个流派作为主标签（根据需求调整）
   combined_data['main_genre'] = combined_data['genres'].str.split(',').str[0]
   

2. 分组并提取目标流派：

   target_genres = ['drama', 'action', 'thriller', 'european']
   grouped = combined_data.groupby('main_genre')
   genre_dict = {genre: grouped.get_group(genre) for genre in target_genres if genre in grouped.groups}
   

---

输出示例

假设原始数据片段：

Title	genres
Movie A	drama,action
Movie B	thriller
Movie C	european,drama

执行方法 1 后，genre_dict['drama'] 将包含：

Title	genres
Movie A	[‘drama’, ‘action’]
Movie C	[‘european’, ‘drama’]

---

注意事项

1. 大小写敏感：预处理时统一转换为小写（或大写）。
2. 多标签分隔符：确保正确拆分原数据中的分隔符（如 ,、| 等）。
3. 空值处理：检查并处理 genres 列中的缺失值：

   combined_data = combined_data.dropna(subset=['genres'])
   

---

完整代码示例

import pandas as pd

# 假设数据格式
data = {
    'Title': ['Movie A', 'Movie B', 'Movie C', 'Movie D'],
    'genres': ['Drama,Action', 'Thriller', 'European,Drama', 'Comedy']
}
combined_data = pd.DataFrame(data)

# 预处理：转为小写并拆分成列表
combined_data['genres'] = combined_data['genres'].str.lower().str.split(',')

# 目标流派列表
target_genres = ['drama', 'action', 'thriller', 'european']

# 创建字典存储各流派数据
genre_dict = {}
for genre in target_genres:
    mask = combined_data['genres'].apply(lambda x: genre in x)
    genre_dict[genre] = combined_data[mask]

# 查看结果
for genre, df in genre_dict.items():
    print(f"\n=== {genre.upper()} 流派 ({len(df)} 部电影) ===")
    print(df[['Title', 'genres']])

---

输出结果

=== DRAMA 流派 (2 部电影) ===
     Title          genres
0  Movie A  [drama, action]
2  Movie C  [european, drama]

=== ACTION 流派 (1 部电影) ===
     Title          genres
0  Movie A  [drama, action]

=== THRILLER 流派 (1 部电影) ===
     Title     genres
1  Movie B  [thriller]

=== EUROPEAN 流派 (1 部电影) ===
     Title          genres
2  Movie C  [european, drama]