我正在将一些代码从 R 翻译成 python 以提高性能,但我对 pandas 库不是很熟悉。
我有一个如下所示的 CSV 文件:
O43657,GO:0005737
A0A087WYV6,GO:0005737
A0A087WZU5,GO:0005737
Q8IZE3,GO:0015630 GO:0005654 GO:0005794
X6RHX1,GO:0015630 GO:0005654 GO:0005794
Q9NSG2,GO:0005654 GO:0005739
我想用一个分隔符(这里是一个空格)拆分第二列,并获得该列中的唯一值。在这种情况下,代码应返回 [GO:0005737, GO:0015630, GO:0005654 GO:0005794, GO:0005739]
。
在 R 中,我将使用以下代码执行此操作:
df <- read.csv("data.csv")
unique <- unique(unlist(strsplit(df[,2], " ")))
在 python 中,我有以下使用 pandas 的代码:
df = pd.read_csv("data.csv")
split = df.iloc[:, 1].str.split(' ')
unique = pd.unique(split)
但这会产生以下错误:
TypeError: unhashable type: 'list'
如何在 python 中按分隔符拆分后获取 CSV 文件列中的唯一值?
最佳答案
设置
from io import StringIO
import pandas as pd
txt = """O43657,GO:0005737
A0A087WYV6,GO:0005737
A0A087WZU5,GO:0005737
Q8IZE3,GO:0015630 GO:0005654 GO:0005794
X6RHX1,GO:0015630 GO:0005654 GO:0005794
Q9NSG2,GO:0005654 GO:0005739"""
s = pd.read_csv(StringIO(txt), header=None, squeeze=True, index_col=0)
解决方案
pd.unique(s.str.split(expand=True).stack())
array(['GO:0005737', 'GO:0015630', 'GO:0005654', 'GO:0005794', 'GO:0005739'], dtype=object)
关于python - Pandas :在分隔符上拆分一列,并获得唯一值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41190422/