Python 删除字符串中的重复项,但删除整个数据帧的重复项
我想在这篇文章中实现一些类似的功能,但要以一种高效的方式实现整个数据帧 我的数据看起来像这样:它是一个有很多列的熊猫数据框。它有逗号分隔的字符串,其中有许多重复项,我希望删除这些单独字符串中的所有重复项Python 删除字符串中的重复项,但删除整个数据帧的重复项,python,pandas,transform,Python,Pandas,Transform,我想在这篇文章中实现一些类似的功能,但要以一种高效的方式实现整个数据帧 我的数据看起来像这样:它是一个有很多列的熊猫数据框。它有逗号分隔的字符串,其中有许多重复项,我希望删除这些单独字符串中的所有重复项 +--------------------+---------+---------------------+ | Col1 | Col2 | Col3 | +--------------------+---------+------
+--------------------+---------+---------------------+
| Col1 | Col2 | Col3 |
+--------------------+---------+---------------------+
| Dog, Dog, Dog | India | Facebook, Instagram |
| Dog, Squirrel, Cat | Norway | Facebook, Facebook |
| Cat, Cat, Cat | Germany | Twitter |
+--------------------+---------+---------------------+
可复制示例:
df = pd.DataFrame({"col1": ["Dog, Dog, Dog", "Dog, Squirrel, Cat", "Cat, Cat, Cat"],
"col2": ["India", "Norway", "Germany"],
"col3": ["Facebook, Instagram", "Facebook, Facebook", "Twitter"]})
我希望它将其转换为:
+--------------------+---------+---------------------+
| Col1 | Col2 | Col3 |
+--------------------+---------+---------------------+
| Dog | India | Facebook, Instagram |
| Dog, Squirrel, Cat | Norway | Facebook |
| Cat | Germany | Twitter |
+--------------------+---------+---------------------+
让我们做
get_dummies
然后dot
s=df.col1.str.get_dummies(', ')
df['Col1']=s.dot(s.columns+',').str[:-1]
df
Out[460]:
col1 col2 col3 Col1
0 Dog, Dog, Dog India Facebook, Instagram Dog
1 Dog, Squirrel, Cat Norway Facebook, Facebook Cat,Dog,Squirrel
2 Cat, Cat, Cat Germany Twitter Cat
让我们做
get_dummies
然后dot
s=df.col1.str.get_dummies(', ')
df['Col1']=s.dot(s.columns+',').str[:-1]
df
Out[460]:
col1 col2 col3 Col1
0 Dog, Dog, Dog India Facebook, Instagram Dog
1 Dog, Squirrel, Cat Norway Facebook, Facebook Cat,Dog,Squirrel
2 Cat, Cat, Cat Germany Twitter Cat
您可以这样做:
for col in df.columns.tolist():
df[col] = df[col].str.replace(r'\b(\w+)(,+\s+\1)+\b', r'\1')
您可以这样做:
for col in df.columns.tolist():
df[col] = df[col].str.replace(r'\b(\w+)(,+\s+\1)+\b', r'\1')
尝试:
[“col1”、“col2”、“col3”中的列的:
df[col]=df[col].str.split(“,”).map(set).str.join(“,”)
产出:
>>df
col1 col2 col3
0狗印度Facebook、Instagram
1只狗、猫、松鼠
2猫德国推特
试试:
[“col1”、“col2”、“col3”中的列的:
df[col]=df[col].str.split(“,”).map(set).str.join(“,”)
产出:
>>df
col1 col2 col3
0狗印度Facebook、Instagram
1只狗、猫、松鼠
2猫德国推特