Question

我有一个DataFrame，例如：

     tag1   other
0    a,c      foo
1    b,c      foo
2    d        foo
3    a,a      foo

其中的条目是以逗号分隔的字符串。

每个标签的定义字典，例如：

dict = {'a' : 'Apple',
'b' : 'Banana',
'c' : 'Carrot'}

我想要替换a，b和c的定义，但要删除其中不存在该字典内容的行（即d）。此外，我想确保没有重复项，例如示例数据集中的行索引3。

到目前为止我所拥有的：

df.tags = df.tags.str.split(',')
for index, row in df.iterrows():
    names = []
    for tag in row.tag1:
            if tag == dict[tag]:
                names.append(dict[tag])
            else:
                 df.drop(df.index[index])

从那里我将用names中的值替换原始列。要替换重复项，我想迭代数组并检查下一个值是否与下一个值匹配，如果是，则删除它。但是，这不起作用，我有点难过。所需的输出看起来像（使用unicode中的字符串）：

     tag1                     other
0    ['Apple', 'Carrot']      foo
1    ['Banadn', 'Carrot']     foo
3    ['Apple']                foo

Answer 1

我参加最长的一次班轮比赛

m = {
    'a' : 'Apple',
    'b' : 'Banana',
    'c' : 'Carrot'
}

df.tag1.str.split(',', expand=True) \ 
  .stack().map(m).groupby(level=0) \
  .filter(lambda x: x.notnull().all()) \
  .groupby(level=0).apply(lambda x: x.drop_duplicates().str.cat(sep=',')) \
  .to_frame('tag1').join(df.other)

            tag1 other
0   Apple,Carrot   foo
1  Banana,Carrot   foo
3          Apple   foo

但严重的是，可能是一个更好的解决方案

a = np.core.defchararray.split(df.tag1.values.astype(str), ',')
lens = [len(s) for s in a]
b = np.concatenate(a)
c = [m.get(k, np.nan) for k in b]
i = df.index.values.repeat(lens)
s = pd.Series(c, i)

def proc(x):
    if x.notnull().all():
        return x.drop_duplicates().str.cat(sep=',')

s.groupby(level=0).apply(proc).dropna().to_frame('tag1').join(df.other)

            tag1 other
0   Apple,Carrot   foo
1  Banana,Carrot   foo
3          Apple   foo

使用基于dict的条目数组替换Pandas DataFrame列中的字符串

1 个答案: