本文介绍如何利用 Pandas 的 apply 方法配合 Lambda 函数，将两列字符串（以竖线分隔）的集合交集长度映射为二元结果：只要存在至少一个共同元素，即返回 1；否则返回 0。
本文介绍如何利用 pandas 的 `apply` 方法配合 lambda 函数，将两列字符串（以竖线分隔）的集合交集长度映射为二元结果：只要存在至少一个共同元素，即返回 1；否则返回 0。
在数据清洗与特征工程中，我们常需将多值字符串（如 'a|b|c'）解析为集合，并判断其与其他字段是否存在交集。原始代码通过 set.intersection() 计算交集长度，但返回的是具体数值（如 2、1、0），而业务需求往往只需布尔语义——“有匹配”或“无匹配”。此时，用 Lambda 函数进行条件映射是最简洁高效的方式。
以下为完整实现示例：
import pandas as pd
df = pd.DataFrame({
'col1': ['a|b|c', 'a|b|c', 'a|b|c'],
'col2': ['b|d|e|a', 'd|e|f', 'a']
})
# ✅ 正确做法：直接返回 1 或 0，而非交集长度
df['new'] = df[['col1', 'col2']].apply(
lambda x: 1 if len(set(x['col1'].split('|')) & set(x['col2'].split('|'))) >= 1 else 0,
axis=1
)
print(df)
输出：
col1 col2 new 0 a|b|c b|d|e|a 1 1 a|b|c d|e|f 0 2 a|b|c a 1
? 技巧优化：
- 使用
&运算符替代intersection()更简洁；>= 1可简化为> 0，语义更自然；- 若仅需布尔值（True/False），可直接写
bool(set(...) & set(...))，再转为 int：int(bool(...))，效果等价且更具可读性。
⚠️ 注意事项：
- 确保输入字符串非空且不含多余空格，否则
split('|')可能产生空字符串，影响集合运算；建议预处理：x['col1'].strip().split('|')； -
axis=1不可省略，否则apply将按列操作，导致报错； - 对于超大数据集，该方法为逐行计算，性能有限；如需加速，可考虑
str.extract+get_dummies或向量化字符串匹配方案。
综上，该 Lambda 表达式精准实现了「存在即为 1」的二值化逻辑，是 Pandas 中处理多值分类匹配任务的经典范式。
