Python 熊猫数据框可以有列表的数据类型吗？

我不熟悉Pandas，我处理一个数据集，其中一列是用管道（

|

）分隔的字符串值。现在我的任务是删除这个|分隔字段中不符合特定条件的任何文本

我的天真方法是逐行迭代dataframe，并将字段分解为列表，并以这种方式进行验证。然后将修改后的行写回原始数据帧。请参见此元示例：

for index, row in dataframe.iterrows():
    fixed = [x[:29] for x in row['field'].split('|')]
    dataframe.loc[index, 'field'] = "|".join(fixed)

有没有更好、更重要、更快的方法可以做到这一点？

IIUC您可以使用：

dataframe = pd.DataFrame({'field':['aasd|bbuu|cccc|ddde|e','ffff|gggg|hhhh|i|j','cccc|u|k'],
                          'G':[4,5,6]})

print (dataframe)
   G                  field
0  4  aasd|bbuu|cccc|ddde|e
1  5     ffff|gggg|hhhh|i|j
2  6               cccc|u|k


print (dataframe.field.str.split('|', expand=True)
                          .stack()
                          .str[:2] #change to 29
                          .groupby(level=0)
                          .apply('|'.join))

0    aa|bb|cc|dd|e
1     ff|gg|hh|i|j
2           cc|u|k
dtype: object

通过列表理解的另一个解决方案：

dataframe['new'] = pd.Series([[x[:2] for x in y] for y in dataframe.field.str.split('|')], 
                             index=dataframe.index)
                     .apply('|'.join)
print (dataframe)
   G                  field            new
0  4  aasd|bbuu|cccc|ddde|e  aa|bb|cc|dd|e
1  5     ffff|gggg|hhhh|i|j   ff|gg|hh|i|j
2  6               cccc|u|k         cc|u|k

---

如果需要使用长度为

2

的值筛选所有值：

s = dataframe.field.str.split('|', expand=True).stack()
print (s)
0  0    aasd
   1    bbuu
   2      cc
   3    ddde
   4       e
1  0    ffff
   1    gggg
   2    hhhh
   3       i
   4       j
2  0    cccc
   1       u
   2       k
dtype: object

dataframe['new'] = s[s.str.len() < 3].groupby(level=0).apply('|'.join)
print (dataframe)

   G                field   new
0  4  aasd|bbuu|cc|ddde|e  cc|e
1  5   ffff|gggg|hhhh|i|j   i|j
2  6             cccc|u|k   u|k

s=dataframe.field.str.split（“|”），expand=True.stack（）
印刷品
0 aasd
1 bbuu
2毫升
3 ddde
4 e
10 ffff
1 gggg
2小时
3我
4 j
20中国交建
1 u
2K
数据类型：对象
数据帧['new']=s[s.str.len（）<3]。groupby（级别=0）。应用（'|'.join）
打印（数据帧）
G场新
0 4 aasd | bbuu | cc | ddde | e cc | e
1 5 ffff | gggg | hhh | i | j i | j
2.6中国建筑股份有限公司

另一个解决方案：

dataframe['new'] = pd.Series([[x for x in y if len(x) < 3] for y in dataframe.field.str.split('|')], 
                              index=dataframe.index)
                     .apply('|'.join)
print (dataframe)
   G                field   new
0  4  aasd|bbuu|cc|ddde|e  cc|e
1  5   ffff|gggg|hhhh|i|j   i|j
2  6             cccc|u|k   u|k

dataframe['new']=pd.Series（[[x表示y中的x，如果len（x）<3]表示y在dataframe.field.str.split（'|'）]，
index=dataframe.index）
.apply（“|”.join）
打印（数据帧）
G场新
0 4 aasd | bbuu | cc | ddde | e cc | e
1 5 ffff | gggg | hhh | i | j i | j
2.6中国建筑股份有限公司

乍一看，这似乎是对数据结构的滥用。为什么列是由分隔符分隔的字段列表？其他列是什么？你能提供该列或数据框的任何示例吗？@juanpa.arrivillaga嗯，这就是我在CSV中获得数据的方式。还有其他列，但这是唯一具有类似列表结构的列。关键是，在我收到的原始数据中，有时这些值中的一个是错误的……在我进一步处理这些数据之前，我需要将其过滤掉dataset@AntonProtopopov这有点微不足道……以这个示例为例：

pandas.DataFrame（{'ID'：[1,2,3,4]，'FIELD'：['aa | abc'，'bc | bb'，'c'，'d']）

要求字段中的值不超过2个字符……因此必须过滤ID 1中的abcout@MichalHolub最好把这个例子附在你的问题上。

dataframe['new'] = pd.Series([[x for x in y if len(x) < 3] for y in dataframe.field.str.split('|')], 
                              index=dataframe.index)
                     .apply('|'.join)
print (dataframe)
   G                field   new
0  4  aasd|bbuu|cc|ddde|e  cc|e
1  5   ffff|gggg|hhhh|i|j   i|j
2  6             cccc|u|k   u|k