Python 如何过滤dataframe列中的数字字符串列表?
假设我不能直接访问d(并且d可能包含比所示更多的行),我希望过滤col1中编码的值,以便所有数值都位于指定的间隔内。假设间隔为[40,45],那么预期结果为:Python 如何过滤dataframe列中的数字字符串列表?,python,pandas,Python,Pandas,假设我不能直接访问d(并且d可能包含比所示更多的行),我希望过滤col1中编码的值,以便所有数值都位于指定的间隔内。假设间隔为[40,45],那么预期结果为: d = {'col1': "{35.1, 43.76, 41.5, 38.71}", 'col2': [3, 4]} df = pd.DataFrame(data=d) 以一种优雅的python方式,这有可能吗?literal\u eval 从ast导入文字\u评估 pred=lambda x:40literal\u eval 从ast
d = {'col1': "{35.1, 43.76, 41.5, 38.71}", 'col2': [3, 4]}
df = pd.DataFrame(data=d)
以一种优雅的python方式,这有可能吗?literal\u eval
从ast导入文字\u评估
pred=lambda x:40literal\u eval
从ast导入文字\u评估
pred=lambda x:40使用literal_val
转换为set
和map
转换和过滤条件如下:
from ast import literal_eval
pred = lambda x: 40 <= x <= 45
lamb = lambda s: str({*filter(pred, literal_eval(s))})
df.assign(col1=df.col1.apply(lamb))
col1 col2
0 {41.5, 43.76} 3
1 {41.5, 43.76} 4
导入ast
df['col1']=df.col1.map(λx:{item for item in ast.literal_eval(x)if(40使用literal_val
转换为set
和map
转换和过滤条件如下:
from ast import literal_eval
pred = lambda x: 40 <= x <= 45
lamb = lambda s: str({*filter(pred, literal_eval(s))})
df.assign(col1=df.col1.apply(lamb))
col1 col2
0 {41.5, 43.76} 3
1 {41.5, 43.76} 4
导入ast
df['col1']=df.col1.map(lambda x:{item for item in ast.literal_eval(x)if(40
import ast
df['col1'] = df.col1.map(lambda x: {item for item in ast.literal_eval(x) if (40<=item <=45)})
Out[1734]:
col1 col2
0 {43.76, 41.5} 3
1 {43.76, 41.5} 4