python - 如何从 pandas 中的列创建唯一 ID 列表，其中 ID 列表在 Python 中被称为字符串

Question

我有一个 Pandas 数据框 df

import pandas as pd

lst = [23682, 21963, 9711, 21175, 13022,1662,7399, 13679, 17654,4567,23608,2828, 1234]

lst_match = ['[21963]','[21175]', '[1662 7399 13679 ]','[17654 23608]','[2828]','0','0','0','0','0','0', '0','0' ]

df = pd.DataFrame(list(zip(lst, lst_match)),columns=['ID','ID_match'])

df

       ID            ID_match
0   23682             [21963]
1   21963             [21175]
2    9711   [1662 7399 13679]
3   21175       [17654 23608]
4   13022              [2828]
5    1662                   0
6    7399                   0
7   13679                   0
8   17654                   0
9    4567                   0
10  23608                   0
11   2828                   0
12   1234                   0

ID_match 列中的值虽然是字符串格式的列表，但也是 ID。

我想创建一个唯一 ID 的数据框，这样我的唯一 ID 框应该包含 ID_match 列中具有非 0 值的所有 ID 以及 ID_match 列中提到的那些 ID。

所以我的唯一 ID 输出数据框必须如下所示:

       ID           
0   23682            
1   21963             
2    9711  
3   21175       
4   13022              
5    1662                   
6    7399                  
7   13679                   
8   17654                   
9   23608                    
10   2828                  

如何使用 python pandas 执行此操作？

Answer 1

使用:

s = (df[df['ID_match'] != '0']
       .set_index('ID')['ID_match']
       .str.strip('[ ]')
       .str.split('\s+', expand=True)
       .stack())
print (s)
23682  0    21963
21963  0    21175
9711   0     1662
       1     7399
       2    13679
21175  0    17654
       1    23608
13022  0     2828
dtype: object


vals = s.index.get_level_values(0).to_series().append(s.astype(int)).unique()
df = pd.DataFrame({'ID':vals})
print (df)
       ID
0   23682
1   21963
2    9711
3   21175
4   13022
5    1662
6    7399
7   13679
8   17654
9   23608
10   2828

解释:

1. 首先通过boolean indexing过滤掉所有非0值
2. 按 set_index 按 ID 列创建索引
3. 使用 strip 删除尾随 [ ]

4. split值(value)和 reshape stack

5. 然后通过 get_level_values 获得第一级 MultiIndex并转换 to_series

6. > append系列 s 转换为 integers
7. 获取unique值和最后一次调用 DataFrame 构造函数