Question

我有以下数据框：

In[1]: df = DataFrame({"A": ['I love cooking','I love rowing'], "B": [['cooking','rowing'],['cooking','rowing']]})

因此我得到的输出是：

In[2]: df
Out[1]: 
            A                  B
0  I love cooking  [cooking, rowing]
1   I love rowing  [cooking, rowing]

我想创建一个'C'列，我在其中计算'A'中'B'元素的出现次数。

我创建的功能是：

def count_keywords(x,y):
    a = 0
    for element in y:
        if element in x:
            a += 1
return a

然后执行：

df['A'].apply(count_keywords,args=(df['B'],))

在这种情况下，我将整个pandas数据作为参数传递，因此数据集df ['B']的元素显然是一个列表，而不是一个字符串（它又是列表的元素）。 / p>

所以我得到了：

TypeError: 'in <string>' requires string as left operand, not list

但是，如果我调整功能以便：

def count_keywords(x,y): 
    a = 0
    for element in y:
        for new_element in element:
            if new_element in x:
                a += 1
    return a

然后执行：

In[3]: df['A'].apply(count_keywords,args=(df['B'],))

输出是：

Out[2]: 
0    2
1    2

因为该函数遍历pandas系列中的每个元素，然后遍历列表中的每个元素。

如何让函数只针对df ['A']系列中的元素检查，每个数据帧行，系列df ['B']的元素，因此输出为：？

Out[2]: 
0    1
1    1

非常感谢！

Answer 1

你必须apply超过另一个轴。

def count_keywords(row): 
    counter = 0
    for e in row['B']:
        if e in row['A']:
            counter += 1
    row['C'] = counter
    return row

df2 = df.apply(count_keywords,axis=1)

给你：

           A                B           C
0   I love cooking  [cooking, rowing]   1
1   I love rowing   [cooking, rowing]   1

然后df2 [＆＃39; C＆＃39;]会给你你提到的1,1系列。

Answer 2

另一种方法是使用集合交集来计算大小。理论上，这可能比迭代元素更快，因为set是为这类事物设计的：

df['C'] = df.apply(lambda x: len(set(x.B).intersection(set(x.A.split()))), axis = 1)

python - 在apply函数中将dataframe列作为参数传递

2 个答案: