我有一个充满科学论文信息的数据框。
我的数据帧:
database authors title
0 sciencedirect [{'surname': 'Sharafaldin', 'first_name': 'Iman'}, An eval...
{'surname': 'Lashkari', 'first_name': 'Arash Habibi'}]
1 sciencedirect [{'surname': 'Srinivas', 'first_name': 'Jangirala'}, Governmen...
{'surname': 'Das', 'first_name': 'Ashok Kumar'}]
2 sciencedirect [{'surname': 'Bongiovanni', 'first_name': 'Ivano'}] The last...
3 ieeexplore [Igor Kotenko, Andrey Chechulin] Cyber Attac...
如您所见,作者列包含字典列表,但仅在数据库sciencedirect
的位置。为了执行一些分析,我需要清理我的数据。因此,我的目标是将名称放入第 4 行中的列表中。
我想要什么:
# From:
[{'surname': 'Sharafaldin', 'first_name': 'Iman'}, {'surname': 'Lashkari', 'first_name': 'Arash Habibi'}]
# To:
[Iman Sharafaldin, Arash Habibi Lashkari]
我的选择是创建一个两个掩码,一个用于数据库列,仅提取sciencedirect
论文,另一个掩码是整个authors
列。从这些掩码创建一个新的数据帧,我在其"作者"列上运行如下所示的代码。它提取每个单元格的作者姓名并将它们存储在列表中,就像我想要的那样:
scidir_mask = df["database"] == 'sciencedirect'
authors_col = df["authors"] is not None
only_scidir = df[authors_col & scidir_mask]
for cell in only_scidir["authors"]:
# get each list from cell
cell_list = []
for dictionary in cell:
# get the values from dict and reverse into list
name_as_list = [*dictionary.values()][::-1]
# make list from first and surname a string
author = ' '.join(name_as_list)
cell_list.append(author)
因此,在上述代码的末尾,cell_list
以我想要的方式包含作者姓名。 但是我无法弄清楚如何将这些cell_lists
存储回原始数据帧。
那么,如何让sciencedirect
数据库的作者单元格执行我的小函数并将我的函数输出存储回单元格中呢?
想法是使用f-string
s 创建自定义函数,仅适用于过滤行:
scidir_mask = df["database"] == 'sciencedirect'
f = lambda x: [f"{y['first_name']} {y['surname']}" for y in x]
df.loc[scidir_mask, 'authors'] = df.loc[scidir_mask, 'authors'].apply(f)
print (df)
database authors title
0 sciencedirect [Iman Sharafaldin, Arash Habibi Lashkari] An eval
1 sciencedirect [Jangirala Srinivas, Ashok Kumar Das] Governmen
2 sciencedirect [Ivano Bongiovanni] The last
3 ieeexplore [Igor Kotenko, Andrey Chechulin] Cyber Attac