Question

我有一个简单的数据框df，其中包含一列列表lists。我想根据lists生成3个额外的列。

df看起来像：

import pandas as pd
lists={1:[[1]],2:[[1,2,3]],3:[[2,9,7,9]],4:[[2,7,3,5]]}
#create test dataframe
df=pd.DataFrame.from_dict(lists,orient='index')
df=df.rename(columns={0:'lists'})
df

          lists
1           [1]
2     [1, 2, 3]
3  [2, 9, 7, 9]
4  [2, 7, 3, 5]

我希望df看起来像这样：

    lists     cumset        adds    drops
1   [1]       {1}           {1}     {}
2   [1,2,3]   {1,2,3}       {2,3}   {}
3   [2,9,7,9] {1,2,3,7,9}   {7,9}   {3}
4   [2,7,3,5] {1,2,3,5,7,9} {3,5}   {9}

基本上我需要弄清楚如何创建cumset（某种类型的应用？，（是否已经有pandas函数？）。然后对于添加和删除，基本上我们想要比较df.lists到df.lists.shift（），并确定哪些项目是新的以及缺少哪些项目。可能是这样的：

df['adds']=df[['lists',df.lists.shift()]].apply(lambda x: {i for i in x.lists if i not in x.lists.shift()}, axis=1)

玩得开心，谢谢。

Answer 1

您可以使用pandas.DataFrame.cumsum创建累积列，并使用集而不是列表创建列，并使用pandas.DataFrame.shift制作“添加”和“删除”列：

import pandas as pd
import numpy as np


df['cumset'] = df['lists'].cumsum().apply(lambda x: np.unique(x))
df['sets'] = df['lists'].apply(lambda x: set(x))

shifted = df['sets'].shift(1).apply(lambda x: x if not pd.isnull(x) else set())

df['add'] = df['sets'] - shifted
df['drop'] = shifted - df['sets']
df = df.drop('sets', axis=1)

print(df)
#-->Output:
          lists              cumset     add    drop
1           [1]                 [1]     {1}      {}
2     [1, 2, 3]           [1, 2, 3]  {2, 3}      {}
3  [2, 9, 7, 9]     [1, 2, 3, 7, 9]  {9, 7}  {1, 3}
4  [2, 7, 3, 5]  [1, 2, 3, 5, 7, 9]  {3, 5}     {9}

Answer 2

我认为您可以使用Series.cumsum + Series.shift + Series.iat，主要Series.apply用于set s：

df['cumset'] = df['lists'].cumsum().apply(set)
lists_sets = df['lists'].apply(set)
lists_shifted = lists_sets.shift()
#replace first value - NaN to set
lists_shifted.iat[0] = set()
lists_shifted = lists_shifted.apply(set)
df['add'] = lists_sets - lists_shifted
df['drop'] = lists_shifted - lists_sets
print (df)
          lists              cumset     add    drop
1           [1]                 {1}     {1}      {}
2     [1, 2, 3]           {1, 2, 3}  {2, 3}      {}
3  [2, 9, 7, 9]     {1, 2, 3, 9, 7}  {9, 7}  {1, 3}
4  [2, 7, 3, 5]  {1, 2, 3, 5, 7, 9}  {3, 5}     {9}

Pandas Dataframe，列表列，创建累积列表集列，以及按记录差异记录

2 个答案: