![](/img/trans.png)
[英]Pandas - groupby where each row has multiple values stored in list
[英]Finding unique values in pandas column where each row has multiple values
我在dataframe
框中有以下列,其中包含用|
分隔的颜色
df = pd.DataFrame({'x': ['RED|BROWN|YELLOW', 'WHITE|BLACK|YELLOW|GREEN', 'BLUE|RED|PINK']})
我想从该列中找到所有唯一的颜色。
预期产量 :
{'YELLOW', 'BLACK', 'RED', 'BLUE', 'BROWN', 'GREEN', 'WHITE', 'PINK'}
我不在乎它是list
还是set
。
我试过了
df['x'] = df['x'].apply(lambda x: x.split("|"))
colors = []
for idx, row in df.iterrows():
colors.extend(row['x'])
print(set(colors))
哪个工作正常,但由于数据集很大,我正在寻找更有效的解决方案。
set(df.loc[:, 'x'].str.split('|', expand=True).values.ravel())
要么
set(df.loc[:, 'x'].str.split('|', expand=True).values.ravel()) - set([None])
list(df.x.str.split('|', expand=True).stack().reset_index(name='x').drop_duplicates('x')['x'])
产量
['RED', 'BROWN', 'YELLOW', 'WHITE', 'BLACK', 'GREEN', 'BLUE', 'PINK']
使用带有set的itertools
(可以说是最快的扁平化列表);
import itertools
set(itertools.chain.from_iterable(df.x.str.split('|')))
输出:
{'BLACK', 'BLUE', 'BROWN', 'GREEN', 'PINK', 'RED', 'WHITE', 'YELLOW'}
functools
另一种可能的解决方案几乎与itertools一样快:
import functools
import operator
set(functools.reduce(operator.iadd, df.x.str.split('|'), []))
注意,您也可以使用sum()
,它看起来可读但不那么快。
您也可以set(df['x'].str.split('|').values.sum())
这也会从输出中删除None
{'YELLOW', 'RED', 'WHITE', 'BROWN', 'GREEN', 'PINK', 'BLUE', 'BLACK'}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.