Python Pandas Dataframe：基于现有列添加新列，其中包含列表列表

Question

我正在尝试在下面的 dataframe 中添加一列，这将告诉我一个人是否属于绿色类别。 对于那个人，它只会显示 Y 或 N，具体取决于列类别是否包含它。 问题是列类别在某些行中仅包含一个字符串，而在其他行中包含字符串列表，甚至在其他行中包含列表列表。

import pandas as pd

df = pd.DataFrame({'user': ['Bob', 'Jane','Theresa', 'Alice'], 
                   'category': [[['green'],['red']],'blue',['green'],[['yellow','purple'],'green','brown']]})

我怎样才能看到每一行的列是否包含特定的“绿色”字符串？

谢谢你。

Answer 1

我不会费心展平列表，只需使用基本的字符串匹配：

df['category'].astype(str).str.contains(r'\bgreen\b')

0     True
1    False
2     True
3     True
Name: category, dtype: bool

添加单词边界检查\b这样我们就不会意外匹配诸如“greenery”或“greenwich”之类的单词，它们将“green”作为较大单词的一部分。

---

df.assign(has_green=df['category'].astype(str)
                                  .str.contains(r'\bgreen\b')
                                  .map({True: 'Y', False: 'N'}))

      user                          category has_green
0      Bob                  [[green], [red]]         Y
1     Jane                              blue         N
2  Theresa                           [green]         Y
3    Alice  [[yellow, purple], green, brown]         Y

Answer 2

您需要使用递归 flatten 。

import pandas as pd
df = pd.DataFrame({'user': ['Bob', 'Jane','Theresa', 'Alice'], 'category': [[['green'],['red']],'blue',['green'],[['yellow','purple'],'green','brown']]})

def flatten(x):
    rt = []
    for i in x:
        if isinstance(i,list): rt.extend(flatten(i))
        else: rt.append(i)
    return rt

def is_green(x):
    flat_list = flatten(x)
    if "green" in flat_list:
        return True
    else:
        return False

df["has_green"] = df["category"].apply(lambda x: is_green(x))

print(df)

      user                          category  has_green
0      Bob                  [[green], [red]]       True
1     Jane                              blue      False
2  Theresa                           [green]       True
3    Alice  [[yellow, purple], green, brown]       True

Answer 3

尽管我同意基本字符串匹配可以解决问题的目的，但我想提请注意一个事实，即使用pd.core.common.flatten可以很容易地实现扁平化列表：

import pandas as pd
import ast

df = pd.DataFrame({'user': ['Bob', 'Jane','Theresa', 'Alice', 'John'], 
                   'category': [[['green'],['red']],'blue',['green'],[['yellow','purple'],'green','brown'], None]})

def fix_list(text):
    try:
        if '[' in text:
            text = ast.literal_eval(text)
        else: 
            text = [text]
    except:
        text = []
    return list(pd.core.common.flatten(text))
    
df['category'] = df['category'].apply(fix_list)
df['green'] = df['category'].apply(lambda x: 'green' in x)

结果：

	用户	类别	绿色
0	鲍勃	['绿色'，'红色']	真的
1	简	['蓝色的']	错误的
2	有个	['绿色']	真的
3	爱丽丝	['黄色'，'紫色'，'绿色'，'棕色']	真的
4	约翰	[]	错误的