Question

我有一个熊猫数据框df

import pandas as pd

lst = [23682, 21963, 9711, 21175, 13022,1662,7399, 13679, 17654,4567,23608,2828, 1234]

lst_match = ['[21963]','[21175]', '[1662 7399 13679 ]','[17654 23608]','[2828]','0','0','0','0','0','0', '0','0' ]

df = pd.DataFrame(list(zip(lst, lst_match)),columns=['ID','ID_match'])

df

       ID            ID_match
0   23682             [21963]
1   21963             [21175]
2    9711   [1662 7399 13679]
3   21175       [17654 23608]
4   13022              [2828]
5    1662                   0
6    7399                   0
7   13679                   0
8   17654                   0
9    4567                   0
10  23608                   0
11   2828                   0
12   1234                   0

尽管ID_match列中的值以字符串格式列出，但它们也是ID。

我想以唯一的ID的方式创建一个数据帧，以使我的唯一ID框架应包含ID_match列中所有值除0以外的ID以及ID_match列中提到的那些ID。

所以我的唯一ID的输出数据帧必须如下所示：

如何使用python熊猫做到这一点？

Answer 1

使用：

s = (df[df['ID_match'] != '0']
       .set_index('ID')['ID_match']
       .str.strip('[ ]')
       .str.split('\s+', expand=True)
       .stack())
print (s)
23682  0    21963
21963  0    21175
9711   0     1662
       1     7399
       2    13679
21175  0    17654
       1    23608
13022  0     2828
dtype: object


vals = s.index.get_level_values(0).to_series().append(s.astype(int)).unique()
df = pd.DataFrame({'ID':vals})
print (df)
       ID
0   23682
1   21963
2    9711
3   21175
4   13022
5    1662
6    7399
7   13679
8   17654
9   23608
10   2828

说明：

首先通过boolean indexing过滤掉所有非0值
通过set_index的ID列创建索引
使用strip删除尾随[ ]
split的值并通过stack
然后由get_level_values获得MultiIndex的第一级并转换to_series
append系列s转换为integer s
获取unique值并最后调用DataFrame建设者

Answer 2

这些看起来像列表的字符串表示形式。因此，您可以使用ast.literal_eval和itertools.chain：

from ast import literal_eval
from itertools import chain

s = df['ID_match'].astype(str).str.replace(' ', ',').apply(literal_eval)
L = list(chain.from_iterable(s[s != 0]))

res = pd.DataFrame({'ID': df.loc[df['ID_match'] != 0, 'ID'].tolist() + L})\
        .drop_duplicates().reset_index(drop=True)

print(res)

       ID
0   23682
1   21963
2    9711
3   21175
4   13022
5    1662
6    7399
7   13679
8   17654
9   23608
10   2828

如何从熊猫的列中创建唯一ID列表，其中ID列表在Python中被称为字符串

2 个答案: