Python Pandas DataFrame單元更改消失

Question

我是python和pandas的新手，正在嘗試處理csv數據文件。 我加載兩個數據框，一個包含帶有關鍵字的列，另一個是帶有“ id”和“ word”列的“ bagOfWords”。 我想做的是在第一個數據幀中添加一列，其中關鍵字的ID位於“列表字符串”中，例如“ [1,2,8,99 ...]”。

到目前為止，這是我想出的

websitesAlchData = pd.io.parsers.read_csv('websitesAlchData.csv', sep=';', index_col='referer', encoding="utf-8")

bagOfWords = pd.io.parsers.read_csv('bagOfWords.csv', sep=';', header=0, names=["id","words","count"], encoding="utf-8")
a = set(bagOfWords['words'])
websitesAlchData['keywordIds'] = "[]"
for i in websitesAlchData.index
    keywords = websitesAlchData.loc[i,'keywords']
    try:
        keywordsSet = set([ s.lower() for s in keywords.split(",") ])
    except:
        keywordsSet = set()
    existingWords = a & keywordsSet
    lista = []
    for i in bagOfWords.index:
        if bagOfWords.loc[i,'words'] in existingWords:
            lista.append(bagOfWords.loc[i,'id'])

    websitesAlchData.loc[i,'keywordIds'] = str(lista)
    print(str(lista))
    print(websitesAlchData.loc[i,'keywordIds'])
websitesAlchData.reset_index(inplace=True)
websitesAlchData.to_csv(path_or_buf = 'websitesAlchDataKeywordCode.csv', index=False, sep=";", encoding="utf-8")

for循環末尾的兩次打印給出了預期的結果，但是當我嘗試打印整個數據框“ websitesAlchData”時，“ keywordIds”列仍為“ []”，因此它也位於結果.csv中。

我的猜測是，我在某個地方創建了一個副本，但我無法確定在哪里。

任何想法在這里有什么問題，或者如何不同地做同一件事？ 謝謝！

更新：

網站AlchData.cvs看起來像這樣

referer;category;keywords
url;int;word0,word2,word3
url;int;word1,word3
...

和cvc的話袋。

id;index;count
0;word0;11
1;word1;14
2;word2;14
3;word3;14
...

預期產量

referer;category;keywords;keywordIds
url;int;word0,word2,word3;[0,2,3]
url;int;word1,word3;[1,3]

Answer 1

將i用於兩個for循環肯定存在問題。 改變它，看看是否有幫助。

Answer 2

我會嘗試這樣的事情。 您需要分析較大數據集上的性能。

In [146]: df1
Out[146]: 
  referer category           keywords
0     url      int  word0,word2,word3
1     url      int        word1,word3

[2 rows x 3 columns]

In [147]: df2
Out[147]: 
       id  count
index           
word0   0     11
word1   1     14
word2   2     14
word3   3     14

[4 rows x 2 columns]

將keywords列拆分為單詞列表。 通常，將列表存儲在DataFrames中是一個糟糕的主意，但這是目前最直接的方法。

In [148]: vals = df1.keywords.str.split(',')

In [149]: vals
Out[149]: 
0    [word0, word2, word3]
1           [word1, word3]
Name: keywords, dtype: object

然后從df2到vals中的列表的每個元素應用查找：

In [151]: ids = vals.apply(lambda x: [df2.loc[y, 'id'] for y in x])

In [152]: ids
Out[152]: 
0    [0, 2, 3]
1       [1, 3]
Name: keywords, dtype: object

最后連拍：

In [154]: df = pd.concat([df1, ids], axis=1)

In [155]: df
Out[155]: 
  referer category           keywords   keywords
0     url      int  word0,word2,word3  [0, 2, 3]
1     url      int        word1,word3     [1, 3]

[2 rows x 4 columns]