Question

我正在处理一个如下所示的熊猫数据框：

       title         view_count comment_count like_count    dislike_count   dog_tag cat_tag bird_tag other_tag  
0   Great Dane Loves     299094        752.0      15167          58           [dog]    []       []   [] 
1   Guy Loves His Cat    181320       1283.0      13254         262             []  [cat]       []   []

基本上，标题代表YouTube视频的名称。如果视频是关于狗的，则可以在dog_tag类别下看到[dog]。如果不是关于狗的，则在dog_tag下会看到一个空列表[]。

如果dog_tag的值为[dog] ，我需要为dog_tag的每一行创建一个包含标题，view_count，comment_count，like_count和dislike_count的新系列。我不应该为dog_tag的值为[]的行添加任何信息。

所以，我的新系列应该看起来像这样：

       title         view_count comment_count like_count    dislike_count   dog_tag     
0   Great Dane Loves     299094        752.0      15167          58           [dog]     
1   Dogs are Soo Great!! 181320       1283.0      13254         262           [dog]
2   Dog and Little Girl  562585       5658.3      46589         121           [dog]

是否有任何 天才人物 可以解决此问题？我尝试了以下在Stack Overflow上找到的解决方案，但无法获得所需的：（

only_dog = [dodo_data.loc[:, dodo_data.loc[0,:].eq(s)] for s in ['dog_tag', 'view_count', 'comment_count', 'like_count', 'dislike_count','ratio_of_comments_per_view', 'ratio_of_likes_per_view']]

dodo_data.loc[:,dodo_data.iloc[0, :] == "dog_tag"]
dodo_data.loc[:,dodo_data.iloc[0, :] == "view_count"]
dodo_data.loc[:,dodo_data.iloc[0, :] == "comment_count"]

Answer 1

因为如果将空列表转换为布尔值False，则可以将boolean indexing与DataFrame.loc一起使用，以按条件和按列名列表进行过滤：

cols = ['title', 'view_count', 'comment_count', 'like_count', 'dislike_count', 'dog_tag']
df = df.loc[df['dog_tag'].astype(bool), cols]

Answer 2

您可以尝试以下方法：

import io
dff=io.StringIO("""title,view_count,comment_count,like_count,dislike_count,dog_tag,cat_tag,bird_tag,other_tag 
Great Dane Loves,299094,752.0,15167,58,[dog],[],[],[] 
Guy Loves His Cat,181320,1283.0,13254,262,[],[cat],[],[]""")  

df2=pd.read_csv(dff)

df2 = df2[df2['dog_tag'] == '[dog]']
df2 = df2[df2.columns.drop(list(df2.filter(regex=(r'_tag(?<!dog_tag)'))))]

如何使用熊猫数据框的特定行和列来创建新系列？

2 个答案: