计算数据框列中字典值的字符数

Question

After downloading Facebook data, they provide json files with your post information. I read the json and dataframe with pandas. Now I want to count the characters of every post I made. The posts are in: df['data'] like: [{'post': 'Happy bday Raul'}] .

I want the output to be the count of characters of: "Happy bday Raul" which will be 15 in this case or 7 in the case of "Morning" from [{'post': 'Morning'}] .

df=pd.read_json('posts_1.json')

The columns are Date and Data with this format:

Date        Data
01-01-2020    *[{'post': 'Morning'}]*
10-03-2020    *[{'post': 'Happy bday Raul'}]*
17-03-2020    *[{'post': 'This lockdown is sad'}]*

I tried to count the characters of this [{'post': 'Morning'}] by doing this

df['count']=df['data'].str.len()

But it's not working as result in "1".

I need to extract the value of the dictionary and do the len to count the characters. The output will be:

Date        Data                                   COUNT 
01-01-2020    *[{'post': 'Morning'}]*               5
10-03-2020    *[{'post': 'Happy bday Raul'}]*       15
17-03-2020    *[{'post': 'This lockdown is sad'}]*  20

EDITED:

Used to_dict()

df11=df_post['data'].to_dict()

Output

{0: [{'post': 'Feliz cumpleaños Raul'}],
 1: [{'post': 'Muchas felicidades Tere!!! Espero que todo vaya genial y siga aún mejor! Un beso desde la Escandinavia profunda'}],
 2: [{'post': 'Hola!\nUna investigadora vendrá a finales de mayo, ¿Alguien tiene una habitación libre en su piso para ella? Many Thanks!'}],
 3: [{'post': '¿Cómo va todo? Se que muchos estáis o estábais por Galicia :D\n\nOs recuerdo, el proceso de Matriculación tiene unos plazos concretos: desde el lunes 13 febrero hasta el viernes 24 de febrero.'}]
}

Answer 1

You can access the value of the post key for each row using list comprehension and count the length with str.len() :

In one line of code, it would look like this:

df[1] = pd.Series([x['post'] for x in df[0]]).str.len()

This would also work, but I think it would be slower to execute:

df[1] = df[0].apply(lambda x: x['post']).str.len()

Full reproducible code below:

df = pd.DataFrame({0: [{'post': 'Feliz cumpleaños Raul'}],
 1: [{'post': 'Muchas felicidades Tere!!! Espero que todo vaya genial y siga aún mejor! Un beso desde la Escandinavia profunda'}],
 2: [{'post': 'Hola!\nUna investigadora vendrá a finales de mayo, ¿Alguien tiene una habitación libre en su piso para ella? Many Thanks!'}],
 3: [{'post': '¿Cómo va todo? Se que muchos estáis o estábais por Galicia :D\n\nOs recuerdo, el proceso de Matriculación tiene unos plazos concretos: desde el lunes 13 febrero hasta el viernes 24 de febrero.'}]
})
df = df.T
df[1] = [x['post'] for x in df[0]]
df[2] = df[1].str.len()
df
Out[1]: 
                                                   0  \
0                 {'post': 'Feliz cumpleaños Raul'}   
1  {'post': 'Muchas felicidades Tere!!! Espero qu...   
2  {'post': 'Hola!
Una investigadora vendrá a fi...   
3  {'post': '¿Cómo va todo? Se que muchos está...   

                                                   1    2  
0                             Feliz cumpleaños Raul   22  
1  Muchas felicidades Tere!!! Espero que todo vay...  112  
2  Hola!\nUna investigadora vendrá a finales de ...  123  
3  ¿Cómo va todo? Se que muchos estáis o está...  195