Python 熊猫从数组中获取嵌套字符串值
从该数据帧开始Python 熊猫从数组中获取嵌套字符串值,python,arrays,numpy,pandas,Python,Arrays,Numpy,Pandas,从该数据帧开始df: node1,node2,lang,w,c1,c2 1,2,it,1,a,a 1,2,en,1,a,a 2,3,es,2,a,b 3,4,it,1,b,b 5,6,it,1,c,c 3,5,tg,1,b,c 1,7,it,1,a,a 7,1,es,1,a,a 3,8,es,1,b,b 8,4,es,1,b,b 1,9,it,1,a,a 我执行了groupby操作,如: g = df.groupby(['c1','c2'])['lang'].unique().reset_in
df
:
node1,node2,lang,w,c1,c2
1,2,it,1,a,a
1,2,en,1,a,a
2,3,es,2,a,b
3,4,it,1,b,b
5,6,it,1,c,c
3,5,tg,1,b,c
1,7,it,1,a,a
7,1,es,1,a,a
3,8,es,1,b,b
8,4,es,1,b,b
1,9,it,1,a,a
我执行了groupby
操作,如:
g = df.groupby(['c1','c2'])['lang'].unique().reset_index()
结果:
c1 c2 lang
0 a a [it, en, es]
1 a b [es]
2 b b [it, es]
3 b c [tg]
4 c c [it]
保存到.csv并将其读回:
g.to_csv('myfile.csv')
g = pd.read_csv('myfile.csv')
获取不同格式的lang
列:
c1 c2 lang
0 a a ['it' 'en' 'es']
1 a b ['es']
2 b b ['it' 'es']
3 b c ['tg']
4 c c ['it']
我现在的目标是计算lang
的每一行中的项目数,并能够分别获得这些值。我试图用字符串数组的长度构建一个新列:
g['len'] = df['lang'].apply(lambda x: x.size)
获得:
AttributeError: 'str' object has no attribute 'size'
查找lang
列的值时,我意识到在groupby之后,该列变得一团糟:
In [113]: g['lang'].values
Out[113]: array(["['it' 'en' 'es']", "['es']", "['it' 'es']", "['tg']", "['it']"], dtype=object)
如何获取每个嵌套字符串数组的长度,然后获取其中每个字符串的值?我认为是转换类型,但我的情况有点太复杂了
编辑:在写入/读取.csv之前和之后,添加有关
lang
列不同格式的信息。仅应用
:
In [145]:
g['size'] = g['lang'].apply(len)
g
Out[145]:
c1 c2 lang size
0 a a [it, en, es] 3
1 a b [es] 1
2 b b [it, es] 2
3 b c [tg] 1
4 c c [it] 1
谢谢你知道为什么在groupby之后写入csv并读回文件会给我一个不同格式的lang列吗?因此,我可以在保存到文件之前应用您的方法,但不能在读回文件之后应用您的方法?默认情况下,索引将被写入,您可能会再次读回,这是添加一个新列是我的猜测。在csv读/写之后,它在我的PC上不起作用,gar['lang']。应用(len)
return[16,6,11,6]
,字符串的长度。在这里,使用pickle代替csv读/写是一个很好的解决方案;或者g=pd.read\u csv('myfile.csv',converters={'lang':一个非常棘手的函数})
@B.M。我在写回/读回时遇到了相同的问题。请提供预期的输出