使用Python将字符串列合并到一组列表中

我有这样一个熊猫数据框：

id     fruits
01     Apple, Apricot
02     Apple, Banana, Clementine, Pear
03     Orange, Pineapple, Pear

如何通过删除重复的水果来获得这样的水果列表

['Apple','Apricot','Banana','Clementine','Orange','Pear','Pineapple']

---

您可以展平由创建的

列表

s，转换为

设置

s以获得唯一和最后的

列表

s：

a = list(set([item for sublist in df['fruits'].str.split(', ') for item in sublist]))
print (a)
['Pineapple', 'Clementine', 'Apple', 'Banana', 'Apricot', 'Orange', 'Pear']

或：

感谢@kabanus提供的备选方案：

a = list(set(sum(df['fruits'].str.split(', '),[])))

---

使用

str.extractall

和

删除重复项

df.fruits.str.extractall(r'(\w+)').drop_duplicates()[0].tolist()

产出：

['Apple', 'Apricot', 'Banana', 'Clementine', 'Pear', 'Orange', 'Pineapple']

试试这个

set(', '.join(df['fruits']).split(', '))

输出：

set(['Apple', 'Apricot', 'Pear', 'Pineapple', 'Orange', 'Banana', 'Clementine'])

---

我会使用

set（sum（df['fruits'].str.split（'，'），[]）

作为第一个选项，或者更好的是

set（df['fruits'].str.split（'，'））.sum（））

。谢谢您的帮助。我在使用您的第一个解决方案时出错。TypeError:“float”对象不可编辑。第二个很好用。@ahbon-super，很高兴能帮上忙@kabanus，我测试了提供的不同解决方案的性能，您的（kabanus:1）是最快、最简洁的。（卡巴努斯：2）和（耶斯雷尔：1）也有类似的时间安排。很不错的！有人告诉我，普通python中的字符串操作通常比pandas中的要快，这一点在这里似乎是正确的。@ahbon，不确定为什么我的答案被接受，因为这一个暗示了一种优越的技术（基于简洁性和性能），谢谢，但我得到了一个错误：TypeError:sequence item 8:expected str instance，float find。你知道为什么吗？我想这是因为混合数据类型。尝试隐藏df['fruits']=df['fruits'].astype（str）@MohamedThasinah-更好的是

set（'，'）。join（df['fruits'）.split（'，'））

@jezrael-你的答案更新正确了，谢谢你的评论所有的单词标签都是一个？对不起，我不明白你的问题。我想如果同一个fruits有两个单词，比如

蚕豆
：）
set(['Apple', 'Apricot', 'Pear', 'Pineapple', 'Orange', 'Banana', 'Clementine'])