Python 比较不同列的字符串长度上的数据帧

我试图得到不同列的字符串长度。似乎很直截了当：

df['a'].str.len()

但我需要将其应用于多个列。然后得到它的最小值

比如：

df[['a','b','c']].str.len().min

我知道上面的方法行不通，但希望你能理解。列

a

，

b

，

c

都包含名称，我想检索最短的名称

---

另外，由于数据量巨大，我避免创建其他列以节省大小

我认为您需要理解列表，因为

string

函数仅适用于

系列（
column
）：

另一个使用
应用的解决方案
：

print ([df[col].apply(len).min() for col in ['a','b','c']])

样本：

df = pd.DataFrame({'a':['h','gg','yyy'],
                   'b':['st','dsws','sw'],
                   'c':['fffff','','rr'],
                   'd':[1,3,5]})

print (df)

     a     b      c  d
0    h    st  fffff  1
1   gg  dsws         3
2  yyy    sw     rr  5

print ([df[col].str.len().min() for col in ['a','b','c']])
[1, 2, 0]

计时：

#[3000 rows x 4 columns]
df = pd.concat([df]*1000).reset_index(drop=True)

In [17]: %timeit ([df[col].apply(len).min() for col in ['a','b','c']])
100 loops, best of 3: 2.63 ms per loop

In [18]: %timeit ([df[col].str.len().min() for col in ['a','b','c']])
The slowest run took 4.12 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 2.88 ms per loop

结论：

#[3000 rows x 4 columns]
df = pd.concat([df]*1000).reset_index(drop=True)

In [17]: %timeit ([df[col].apply(len).min() for col in ['a','b','c']])
100 loops, best of 3: 2.63 ms per loop

In [18]: %timeit ([df[col].str.len().min() for col in ['a','b','c']])
The slowest run took 4.12 times longer than the fastest. This could mean that an intermediate result is being cached.
100 loops, best of 3: 2.88 ms per loop

apply
速度更快，但不适用于
None

df = pd.DataFrame({'a':['h','gg','yyy'],
                   'b':[None,'dsws','sw'],
                   'c':['fffff','','rr'],
                   'd':[1,3,5]})


print (df)
     a     b      c  d
0    h  None  fffff  1
1   gg  dsws         3
2  yyy    sw     rr  5

print ([df[col].apply(len).min() for col in ['a','b','c']])

TypeError:类型为“NoneType”的对象没有len（）

按注释编辑：

#fail with None
print (df[['a','b','c']].applymap(len).min(axis=1))
0    1
1    0
2    2
dtype: int64


嘿@jezrael，看起来不错。回来后让我试一试。谢谢你的样品。不过，我正努力实现的是连续性。也就是说，对于a、b、c，另一列的答案是1,0,2是否存在
None
value？此时不存在。我基本上删除了我使用的所有列的na。但也许在将来。好的，我也添加了一个没有的解决方案。
#fail with None
print (df[['a','b','c']].applymap(len).min(axis=1))
0    1
1    0
2    2
dtype: int64

#working with None
print (df[['a','b','c']].apply(lambda x: x.str.len().min(), axis=1))
0    1
1    0
2    2
dtype: int64