瘋了，想不出哪里錯了。有一個帶有數(shù)據(jù)框的文件，由單列組成，每行由 1 個列表組成我迷路了，請指教fruits0 ['apple', 'orange','grape']1 ['apple','pineapple','coconut']#預期的@fruit0 apple1 coconut2 grape3 orange4 pineapple
2 回答
慕的地6264312
TA貢獻1817條經(jīng)驗 獲得超6個贊
首先將您的列表展平data為一個列表，然后將其作為 DataFrame 中的列讀?。?/p>
>>> data = [[['apple', 'orange','grape']],[['apple','pineapple','coconut']]]
>>> data = np.unique(np.ravel(data))
>>> df = pd.DataFrame(data, columns = ['fruit'])
>>> df
fruit
0 apple
1 coconut
2 grape
3 orange
4 pineapple
編輯新案例
嗨喬納森，我回復了你的電子郵件，如果你的列值是“喜歡”列表，你應該如何處理這些條目。你需要使用ast.literal_eval()它。
>>> df = pd.DataFrame({'fruits': ['[\'apple\', \'orange\',\'grape\']','[\'apple\',\'pineapple\',\'coconut\']']})
>>> df
fruits
0 ['apple', 'orange','grape']
1 ['apple','pineapple','coconut']
但是，這樣做，您必須遍歷該列，將列表的每個轉換表示形式放入 adummy_list中，以將所有內容收集到一個列表中并在其中執(zhí)行您想做的事情。
>>> import ast
>>> dummy_list = []
>>> for i in range(0, len(df)):
... dummy_list.extend(ast.literal_eval(df['fruits'][i]))
...
>>> dummy_list
['apple', 'orange', 'grape', 'apple', 'pineapple', 'coconut']
獲取唯一值并創(chuàng)建所需的 DataFrame：
>>> x = list(set(dummy_list))
>>> x
['orange', 'apple', 'grape', 'coconut', 'pineapple']
>>> df2 = pd.DataFrame(x, columns = ['fruits 2.0'])
>>> df2
fruits 2.0
0 orange
1 apple
2 grape
3 coconut
4 pineapple
森林海
TA貢獻2011條經(jīng)驗 獲得超2個贊
僅np.ravel（正如Anky提出的那樣）是不夠的。然后，您需要刪除重復項。如果你對非連續(xù)索引不滿意，你可以自由地重置它。
所以完整的代碼可以是：
df = pd.DataFrame(np.ravel(data),columns=['fruit'])\
.drop_duplicates().reset_index(drop=True)
np.unique（如在另一個答案中）有一個缺點，它對 源數(shù)組進行排序。我想你想保持原來的順序。
發(fā)表評論后編輯
看起來您實際上有一個DataFrame，使用read_excel()讀取，如下所示：
fruits
0 [apple, orange, grape]
1 [apple, pineapple, coconut]
（不是您帖子中提供的列表）。
要將這樣的 DataFrame 轉換為單個平面列表，您可以運行：
lst = df['fruits'].apply(pd.Series).stack().drop_duplicates().to_list()
它在“普通”（pythonic）列表中。
要創(chuàng)建具有單列的第二個 DataFrame，請運行：
df2 = pd.DataFrame(lst, columns=['fruits'])
另一種選擇，無需創(chuàng)建中間列表：
df['fruits'].apply(pd.Series).stack().rename('fruits')\
.drop_duplicates().reset_index(drop=True).to_frame()
編輯 2
我找到了一個更簡單的解決方案，考慮到read_excel 默認將所有單元格讀取為strings。
成功的關鍵是str.extractall方法，應用于fruits列。要提取撇號之間的文本，正則表達式應該是：
'(?P<fruits>[^']+)'
細節(jié)：
'- 在要匹配的文本之前的撇號（代表自身）。
(?P<fruits>- 命名捕獲組的開始（也稱為fruits）。
[^']+- 該組的內容 - 除撇號外的非空字符序列。
)- 捕獲組結束。
'- 另一個撇號，在要匹配的文本之后。
因此，如果您運行：
df.fruits.str.extractall(r"'(?P<fruits>[^']+)'")
你會得到：
fruits
match
0 0 apple
1 orange
2 grape
1 0 apple
1 pineapple
2 coconut
該結果包含：
多索引：
頂級 - 源行的索引（沒有名稱），
第二級 - 匹配編號（每行 0、1 和 2）。
fruits - 連續(xù)行中帶有單個字符串的捕獲組的名稱。
現(xiàn)在只剩下刪除重復項和重置索引了。
所以完整的代碼，一條指令是：
df.fruits.str.extractall("'(?P<fruits>[^']+)'")\
.drop_duplicates().reset_index(drop=True)
結果是：
fruits
0 apple
1 orange
2 grape
3 pineapple
4 coconut
添加回答
舉報
0/150
提交
取消