在这个小数据框中:
d1 = pd.read_csv('to_count.mcve.txt', sep='\t')
M1 M2 F1
A,B,A,C,D A,C,B,C,B A
A,B,B,C,B A,B,A B
C,B,C,D,E B,C E
第 1 步:
我想统计F1中有多少个值在M1和M2中
我能做到:
d1_count = d1.apply(lambda x: x.loc[::].str.count(x.F1), 1)
输出:
M1 M2 F1
2 1 1
3 1 1
1 0 1
第 02 步:但如果原始单元格的长度超过 3(不包括逗号),我想将计数除以 2。
解释:
M1 中的所有值的长度都超过 3,第一个 M2 的长度超过 3。因此,需要更改这些值的计数(除以 2)。
M1 中的第一个值是
A,B,A,C,D
- F1 值为
A
,M1 中有 2 个“A”,使用.str.count(x.F1)
- 因为
A,B,A,C,D
的长度超过 3。我现在更改计数(除以 2),结果为 1。 - 我想自动对所有列执行此操作,因为会有很多列。
最终预期输出为:
M1 M2
1 0.5
1.5 1
0.5 0
任何建议。
最佳答案
看起来 M1
列中的“单元格”是由逗号分隔的字符串。首先将其转换为列表而不是字符串可能更容易,因此您的操作是有意义的。像这样:
df['M1_list'] = df['M1'].apply(lambda x: x.split(","))
现在您有一个名为 M1_list
的列,其中每个条目都有一个列表。现在您可以再次使用 .apply()
来获取您想要的号码。
df['F1_count'] = df.apply(lambda x: x['M1_list'].count(x['F1']), axis=1)
但是这只会为您提供 M1_list
中来自 F1
的项目数。要获得“如果你有超过 3 个项目将计数除以 2”的条件,你可以执行另一个 .apply
:
df['F1_count'] = df.apply(lambda x: x['F1_count'] / 2 if len(x['M1']) >= 3 else x['F1_count'], axis=1)
如果需要,您当然可以将这些组合成一个单独的 .apply
语句。但是,如果您拆分复杂的操作,它会使代码更易于阅读。您可以将它结合起来的一种方法是使用辅助函数而不是使用 lambda
:
def compute_F1(row):
M1_list = row['M1'].split(",")
f1_count = M1_list.count(row['F1'])
if (len(M1_list) >= 3):
return f1_count / 2
else:
return f1_count
然后将该函数应用于每一行:
df['F1_count'] = df.apply(lambda x: compute_F1(x), axis=1)
你应该得到你的结果。
关于python - 如何计算 Pandas 数据框中单元格的项目数(或长度)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42725629/