我有以下问题。我有一个包含多个列的数据帧,其中一个列包含字符串作为值。我想循环浏览这一列,更改这些值,并将更改后的值保存在一个新列中。
到目前为止,我写的代码是这样的:
def get_classes(x):
for index, string in df['column'].iteritems():
listi = string.split(',')
Classes=[]
for value in listi:
count=listi.count(value)
if count >= 3:
Classes.append(value)
Unique=(',').join(sorted(list(set(Classes))))
df['NewColumn']=Unique
End.apply(get_classes)
它循环遍历df['column']
的行,在每个,
处拆分字符串(创建一个名为listi的列表),并创建一个称为类的空list
。然后,它对listi中的每个值进行计数,如果它在列表中至少出现三次,则将其附加到Classes中。完成的列表是sorted
和set()
,因此列表中的所有对象都是唯一的,最后以逗号再次连接到字符串中。然后,我想将这个唯一的值列表附加到一个新列中,位于与派生更改值的行值相同的索引位置。例如:
df
column NewColumn
0 A,A,A,C A
1 C,B,C,C C
2 B,B,B,B B
当我使用print Unique
而不是df['NewColumn']=Unique
时,我的代码似乎工作得很好,因为它会打印所有转换后的值。然而,如果我像我的示例中那样执行代码,那么数据帧的NewColumn
将完全填充相同的值,这似乎对应于df中最后一行的原始值。有人能向我解释一下这里的问题是什么吗?
您可以使用Collections:中的powerfull Counter
from collections import Counter
foo = lambda x: ','.join(sorted([k for k,v in Counter(x).iteritems() if v>=3]))
df['new'] = df['column'].str.split(',').map(foo)
#In [33]: df
#Out[33]:
# column NewColumn new
#0 A,A,A,C A A
#1 C,B,C,C C C
#2 B,B,B,B B B