python - 通过分隔符获取 pandas 列中的唯一字符串

Question

假设我有以下数据:

import numpy as np
import pandas as pd

data=np.array([["xxx--xxx--xxx--yyy"],
              ["aaa--bbb--aaa--ccc"],
              ["xxx--axa--axa--ccc"],
              ["bbb--bab--bbb--bab--tgh"]])

df = pd.DataFrame({'Practice Column': data.ravel()})

print(df)

我如何在此数据框中创建一个新列来查看字符串并吐出一个独特的组合？所需的输出将是:

感谢任何帮助。谢谢。

Answer 1

通过split 使用列表理解，pandas.unique对于具有相同顺序的唯一或 set 与 sorted 和 last join 在一起:

df['des'] = ['--'.join(pd.unique(x.split('--'))) for x in df['Practice Column']]

或者:

df['des'] = ['--'.join(sorted(set(x.split('--')),key=x.index)) for x in df['Practice Column']]

---

print (df)
           Practice Column            des
0       xxx--xxx--xxx--yyy       xxx--yyy
1       aaa--bbb--aaa--ccc  aaa--bbb--ccc
2       xxx--axa--axa--ccc  xxx--axa--ccc
3  bbb--bab--bbb--bab--tgh  bbb--bab--tgh

如果排序不重要，解决方案更简单:

df['des'] = ['--'.join(set(x.split('--'))) for x in df['Practice Column']]
print (df)
           Practice Column            des
0       xxx--xxx--xxx--yyy       yyy--xxx
1       aaa--bbb--aaa--ccc  ccc--bbb--aaa
2       xxx--axa--axa--ccc  ccc--axa--xxx
3  bbb--bab--bbb--bab--tgh  bab--tgh--bbb