[英]Merged two dataframe columns with lists in order of lists
我正在嘗試合並/連接兩個列相關的列,但是用“|”分隔的單獨文本數據 除了用“”替換某些名稱並替換| 用'\\ n'。
例如,原始數據可能是:
First Names Last Names
0 Jim|James|Tim Simth|Jacobs|Turner
1 Mickey|Mini Mouse|Mouse
2 Mike|Billy|Natasha Mills|McGill|Tsaka
如果我想合並/連接以獲取全名並刪除與“Smith”綁定的條目,則最終的df應如下所示:
First Names Last Names Full Names
0 Jim|James|Tim Simth|Jacobs|Turner James Jacobs\nTim Turner
1 Mickey|Mini Mouse|Mouse Mickey Mouse\nMini Mouse
2 Mike|Billy|Natasha Mills|McGill|Tsaka Mike Mills\nBilly McGill\nNatasha Tsaka
到目前為止我目前的做法是:
def parse_merge(df, col1, col2, splitter, new_col, list_to_exclude):
orig_order = pd.Series(list(df.index)).rename('index')
col1_df = pd.concat([orig_order, df[col1], df[col1].str.split(splitter, expand=True)], axis = 1)
col2_df = pd.concat([orig_order, df[col2], df[col2].str.split(splitter, expand=True)], axis = 1)
col1_melt = pd.melt(col1_df, id_vars=['index', col1], var_name='count')
col2_melt = pd.melt(col2_df, id_vars=['index', col2], var_name='count')
col2_melt['value'] = '(' + col2_melt['value'].astype(str) + ')'
col2_melt = col2_melt.rename(columns={'value':'value2'})
melted_merge = pd.concat([col1_melt, col2_melt['value2']], axis = 1 )
if len(list_to_exclude) > 0:
list_map = map(re.escape, list_to_exclude)
melted_merge.ix[melted_merge['value2'].str.contains('|'.join(list_map)), ['value', 'value2']] = ''
melted_merge[new_col] = melted_merge['value'] + " " + melted_merge['value2']
如果我打電話:
parse_merge(names, 'First Names', 'Last Names', 'Full Names', ['Smith'])
數據變為:
Index First Names count value value2 Full Names
0 0 Jim|James|Tim 0 Jim Smith ''
1 1 Mickey|Mini 0 Mickey Mouse Mickey Mouse
2 2 Mike|Billy|Natasha 0 Mike Mills Mike Mills
只是不確定如何在沒有任何循環的情況下完成此操作,或者是否有更有效/完全不同的方法。
感謝所有的投入!
這是一個使用pd.DataFrame.apply
和python的一些很好的內置功能的精簡解決方案:
def combine_names(row):
pairs = list(zip(row[0].split('|'), row[1].split('|')))
return '\n'.join([' '.join(p) for p in pairs if p[1] != 'Simth'])
df['Full Name'] = df.apply(combine_names, axis=1)
我非常喜歡@AlexG的解決方案 - 請使用它。
這是我嘗試創建一個創造性的單行解決方案 - 它絕對有悖常理,所以不應該使用它 - 它只是為了好玩:
In [78]: df
Out[78]:
First Names Last Names
0 Jim|James|Tim Simth|Jacobs|Turner
1 Mickey|Mini Mouse|Mouse
2 Mike|Billy|Natasha Mills|McGill|Tsaka
In [79]: df['Full Names'] = \
...: (df.stack()
...: .str.split(r'\|', expand=True)
...: .unstack(level=1)
...: .groupby(level=0, axis=1)
...: .apply(lambda x: x.add(' ').sum(axis=1).str.strip())
...: .replace([r'\w+\s+Simth'], [np.nan], regex=True)
...: .apply(lambda x: x.dropna().str.cat(sep='\n'), axis=1)
...: )
...:
In [80]: df
Out[80]:
First Names Last Names Full Names
0 Jim|James|Tim Simth|Jacobs|Turner James Jacobs\nTim Turner
1 Mickey|Mini Mouse|Mouse Mickey Mouse\nMini Mouse
2 Mike|Billy|Natasha Mills|McGill|Tsaka Mike Mills\nBilly McGill\nNatasha Tsaka
我有很多理解力
l = df.values.tolist()
['|'.join(n)
for n in [[' '.join(z)
for z in zip(*[s.split('|')
for s in r]) if z[1] != 'Smith']
for r in l]]
['James Jacobs|Tim Turner',
'Mickey Mouse|Mini Mouse',
'Mike Mills|Billy McGill|Natasha Tsaka']
l = df.values.tolist()
df['Full Names'] = [
'|'.join(n)
for n in [[' '.join(z)
for z in zip(*[s.split('|')
for s in r]) if z[1] != 'Smith']
for r in l]]
df
除了文字游戲,這對樣本數據非常敏感
更長的解釋
l
[['Jim|James|Tim', 'Simth|Jacobs|Turner'],
['Mickey|Mini', 'Mouse|Mouse'],
['Mike|Billy|Natasha', 'Mills|McGill|Tsaka']]
l
是列表清單。 我將廣泛使用列表推導和迭代。 (first, last)
名稱組成的元組的“列表”。 我會用if z[1] != 'Smith'
過濾出史密斯。
z[1] not in list_of_names
' '.join
(實際上是一個函數)將每個元組組合到first last
一個元組 '|'.join
將first last
的子列表與first1 last1|first2 last2
...等等結合起來等等 這更快的原因是因為理解已在很大程度上得到優化。 其他解決方案正在使用apply
,這是一種通用的循環結構,只能在特殊情況下利用快速循環(有人知道更多,如果我錯了請糾正我)。 使用lambda
絕對不是那種情況之一。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.