python - 创建一个 pandas DataFrame 列，其内容是一个集合

Question

我遇到了 pandas 问题。

这是我的数据框:

user    page_number   page_parts_of_speech
Anne    1             [('Hi', NP), ('my', PP), ('name', NN), ('is', VB), ('Anne', NP)]
John    2             [('Hi', NP), ('my', PP), ('name', NN), ('is', VB), ('John', NP)]

我想添加一个名为 set_of_parts_of_speech 的新列，其中包含一个集合，其中包含 parts_of_speech 列中与 NP 组合在一起的所有单词。

示例输出如下:

    user    page_number   page_parts_of_speech    set_of_parts_of_speech                           
    Anne    1             [('Hi', NP), ('my', PP),  ['Hi', 'Anne']
    ('name', NN), ('is', VB), ('Anne', NP)]
    John    2             [('Hi', NP), ('my', PP),  ['Hi', 'John']
    ('name', NN), ('is', VB), ('John', NP)]

set_of_parts_of_speech 列包含一个实际的集合非常重要。

对此问题的任何帮助将不胜感激。

Answer 1

使用 apply 与列表理解来按条件过滤:

print (type(df.loc[0, 'page_parts_of_speech']))
<class 'list'>

f = lambda x: set([y[0] for y in x if y[1] == 'NP'])
df['set_of_parts_of_speec'] = df['page_parts_of_speech'].apply(f)
print (df)
   user  page_number                               page_parts_of_speech  \
0  Anne            1  [(Hi, NP), (my, PP), (name, NN), (is, VB), (An...   
1  John            2  [(Hi, NP), (my, PP), (name, NN), (is, VB), (Jo...   

  set_of_parts_of_speec  
0            {Hi, Anne}  
1            {Hi, John}