Question

进一步的问题：我如何获得模式（即最常见的条目）而不是最小值？换句话说，是否有一种简单的方法可以在df [＆＃39; min_year＆＃39;] = s.unstack（level = -1）.min（axis = 1）中替换.min来获取最常见的，而不是最小的数字？

使用Python。我有一个包含三列的DataFrame：

Author | Title | Review

审核中的每个条目都包含多年（即＆＃39; 88＆＃39; 89＆＃87; 87）。我想按每行最低年份排序。也就是说，我希望将＆＃39; 87最低的所有行组合在一起。

如果我这样做

df.index = df['Review'].str.extractall(r'(\'\d\d)')
df = df.sort_index(ascending=False).reset_index(drop=True)

我明白了：

ValueError: Length mismatch: Expected axis has 1005046 elements, new values have 2449016 elements

即：我原来的DataFrame有1005046行，但是每行b / c大约有2。4年，最后我提取了2449016行。

问题似乎是函数extractall为模式的每个实例创建一个新行，所以最终我的行数比我开始时多2.449倍。

这是我打电话时的输出：

print(df['Review'].str.extractall(r'(\'\d\d)').head(10))

输出：

               0
    match     
0 0      '69
  1      '69
  2      '69
1 0      '99
  1      '99
2 0      '97
3 0      '86
  1      '86
4 0      '96
6 0      '81

即：原始df中的零行有三个＆＃39; 69的实例，在使用extractall后会创建三个单独的行。我需要按最小的一年对每个原始行进行排序，并保留关于df的所有其他内容。

Answer 1

将extractall的结果转换为系列：

s = df['Review'].str.extractall(r'(\'\d\d)').squeeze()

使用str访问器将值转换为int：

s = s.str.replace("'", "").astype(int)

取消堆栈以将提取的值放回到行中（使用原始索引）：

s.unstack(level=-1)

最后，我不会把最低年份放在索引中，而是放在一列：

df['min_year'] = s.unstack(level=-1).min(axis=1)
df = df.sort_values(by='min_year').drop(['min_year'], axis=1)

按行

1 个答案: