pandas从数组中获取嵌套的字符串值

时间:2016-03-02 11:33:41

标签: python arrays numpy pandas

从此数据框df开始:

node1,node2,lang,w,c1,c2
1,2,it,1,a,a
1,2,en,1,a,a
2,3,es,2,a,b
3,4,it,1,b,b
5,6,it,1,c,c
3,5,tg,1,b,c
1,7,it,1,a,a
7,1,es,1,a,a
3,8,es,1,b,b
8,4,es,1,b,b
1,9,it,1,a,a

我执行了groupby操作,如:

g = df.groupby(['c1','c2'])['lang'].unique().reset_index()

结果:

  c1 c2          lang
0  a  a  [it, en, es]
1  a  b          [es]
2  b  b      [it, es]
3  b  c          [tg]
4  c  c          [it]

保存到.csv并将其读回:

g.to_csv('myfile.csv')
g = pd.read_csv('myfile.csv')

获取lang列的不同格式:

  c1 c2              lang
0  a  a  ['it' 'en' 'es']
1  a  b            ['es']
2  b  b       ['it' 'es']
3  b  c            ['tg']
4  c  c            ['it']

我现在的目标是计算lang每行中的项目数,并能够单独获取这些值。我尝试使用字符串数组的长度构建一个新列:

g['len'] = df['lang'].apply(lambda x: x.size)

获得:

AttributeError: 'str' object has no attribute 'size'

查看lang列的值,我意识到在该列之后,该列变得一团糟:

In [113]: g['lang'].values
Out[113]: array(["['it' 'en' 'es']", "['es']", "['it' 'es']", "['tg']", "['it']"], dtype=object)

如何获取每个嵌套字符串数组的长度,然后获取其中每个字符串的值?我想在this类型的转换中,但我的情况有点过于复杂。

编辑:在写入/读取.csv之前和之后添加有关lang列的不同格式的信息。

1 个答案:

答案 0 :(得分:3)

只需apply len

In [145]:
g['size'] = g['lang'].apply(len)
g

Out[145]:
  c1 c2          lang  size
0  a  a  [it, en, es]     3
1  a  b          [es]     1
2  b  b      [it, es]     2
3  b  c          [tg]     1
4  c  c          [it]     1