在一列元组|Pandas上使用df.isi()函数

Question

我有一个数据框架，由带有地理坐标和一些统计数据的维基百科文章组成。列"Availability"包含一个项目可用语言的元组(在选定范围之外(。

我想做的是用情节绘制一个气泡图，图例是这些语言的可用性。例如，在['ca','es']中，[],['ca'],['es'],['ca','es']分别表示不可用、仅用加泰罗尼亚语、仅用西班牙语或两者都可用。

问题是，当试图使用这些组合来使用dataframe.isi((创建一个只有匹配行的数据帧时，它总是返回一个空的df。数据帧的列为：Columns: [French Title, Qitem, Pageviews, page_title_1, page_title_2, Availability, Lat, Lon, Text]

这是我的代码：

fig = go.Figure()
scale = 500
for comb in combinations:
df_sub = df[df['Availability'].isin(tuple(comb))] #The problem is here. This returns an empty DF

if(len(df_sub.index)) == 0: continue #There are no occurrencies with that comb
fig.add_trace(go.Scattergeo(
lat=df_sub['Lat'],
lon=df_sub['Lon'],
text=df_sub['Text'],
marker = dict(
size = df[order_by],
sizeref=2. * max(df[order_by]) / (scale ** 2),
line_color='rgb(40,40,40)',
line_width=0.5,
sizemode='area'
), name = comb #Here is the underlying restriction. I need to separate the traces according to their availability.
))

附言：我想这与熊猫不太善于使用列表或元组作为列值有关，但我不知道如何实现我想要的。你们有人知道吗？提前谢谢Comb显示为字符串或字符串元组：('es','ca')，但当我打印df[可用性]中的值时，它们显示为(es,ca)

示例数据帧(很抱歉我是堆栈溢出的新手(**

French Title      Qitem  Pageviews  
0  Liban                       Q822       53903       
1  France                      Q142       25728       
2  Biélorussie                 Q184       21688       
3  ÃŽle Maurice                 Q2656389   20478       
4  Affaire Dupont de Ligonnès  Q16010109  16075       
page_title_1  page_title_2  
0  Líbano                                             Líban          
1  Francia                                            França         
2  Bielorrusia                                        Bielorússia    
3  Isla de Mauricio                                   Illa Maurici   
4  Asesinatos y desapariciones de Dupont de Ligonnès                 
Availability              Lat              Lon  
0  (es, ca)     33.90000000      35.53330000       
1  (es, ca)     48.86700000      2.32650000        
2  (es, ca)     53.528333333333  28.046666666667   
3  (es, ca)     -20.30084200     57.58209200       
4  (es,)        47.23613230      -1.56848610       
Text  
0  Liban<br>(33.90000000, 35.53330000)<br>Q822                            
1  France<br>(48.86700000, 2.32650000)<br>Q142                            
2  Biélorussie<br>(53.528333333333, 28.046666666667)<br>Q184              
3  ÃŽle Maurice<br>(-20.30084200, 57.58209200)<br>Q2656389                 
4  Affaire Dupont de Ligonnès<br>(47.23613230, -1.56848610)<br>Q16010109  

Answer 1

您可以使用Series.apply()来实现您的目标：

df['Availability'].apply(lambda x: 'ca' in x)

如果'ca'在元组中，则返回True。它可以很容易地修改为返回一些标签，例如Catalan。

Answer 2

最后，我将元组变成了一个列表，因为由于不使用df.isin()，它不会引发Unhashable Type Error，并且能够通过使用df.apply()的组合来分离跟踪(感谢mkos的想法(：

for comb in combinations:
if len(comb) ==0:
name ='Not available'
df_sub = df[df['Availability'].apply(lambda x:  len(x)==0)]
else:
df_sub = df[df['Availability'].apply(lambda x: set(comb) == set(x))]
name = ','.join(comb)
if(len(df_sub.index)) == 0: continue

fig.add_trace(go.Scattergeo(
lat=df_sub['Lat'],
lon=df_sub['Lon'],
text=df_sub['Text'],
marker = dict(
size = df[order_by],
sizeref=2. * max(df[order_by]) / (scale ** 2),
line_color='rgb(40,40,40)',
line_width=0.5,
sizemode='area'
), name =name
))

你可以在这里看到结果。