我想在用逗號分隔值的列中用逗號分割

Question

我有一個數據框，看起來像：

data = {'X':['A, B, C'], 'Y':[['apple, pear, berries'], ['milk, butter, eggs'], ['apple, milk, bread']]}

data = pd.DataFrame(data)

我正在嘗試遍歷“ Y”列以拆分“，”並保存到僅存儲唯一值的空列表中。

我努力了：

list = data['Y'].tolist()
new_list = set(list)

但是它不返回我想要的東西。

任何幫助將非常感激。

預期的輸出看起來像一個出現的列表：

['apple', 'pear', 'berries', 'milk', 'butter', 'eggs', 'bread'] 

---

Answer 1

嘗試以下單行代碼，不使用Pandas：

data = {'X':['A', 'B', 'C'], 'Y':[['apple', 'pear', 'berries'], ['milk', 'butter', 'eggs'], ['apple', 'milk', 'bread']]}

list(set(sum(data['Y'], [])))
# output: ['apple', 'milk', 'bread', 'pear', 'eggs', 'butter', 'berries']

您可以將我的解決方案與基於熊貓的解決方案進行比較：

我的解決方案：

%%timeit
list(set(sum(data['Y'], [])))
# 805 ns ± 4.84 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

@lmiguelvargasf的pandas解決方案：

# Without df creation
%%timeit
#df = pd.DataFrame(data)
l = df['Y'].values.tolist() # this will have the same as data['Y']
new_list = list(set(reduce(lambda x,y: x+y,l)))
# 5.75 µs ± 220 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

# With df creation
%%timeit
df = pd.DataFrame(data)
l = df['Y'].values.tolist() # this will have the same as data['Y']
new_list = list(set(reduce(lambda x,y: x+y,l)))
# 658 µs ± 23.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

從前面的結果可以看出，我的解決方案似乎比基於熊貓的解決方案更有效。 簡單更好 ：-)

Answer 2

您的邏輯可能存在缺陷。 首先，不要使用list作為變量名，因為這是Python的內置函數。

其次，我認為您不清楚data是否是字典，因此data['Y']將為您提供列表列表。 因此，您將無法應用與數據框一起使用的方法。

第三，您可以使用reduce函數獲得預期的輸出

我相信您希望將data轉換為數據框，因此請使用以下命令：

import pandas as pd
from functools import reduce

data = {'X':['A', 'B', 'C'], 'Y':[['apple', 'pear', 'berries'], ['milk', 'butter', 'eggs'], ['apple', 'milk', 'bread']]}
df = pd.DataFrame(data)
l = df['Y'].values.tolist() # this will have the same as data['Y']
new_list = list(set(reduce(lambda x,y: x+y,l)))

您可以節省一些時間，方法是不轉換為數據幀，而是將reduce函數直接應用於data['Y'] ：

new_list = list(set(reduce(lambda x,y: x+y, data['Y'])))

輸出量

['apple', 'berries', 'bread', 'butter', 'eggs', 'milk', 'pear']