python - 在 groupby Pandas 数据帧上获取不同的单词

Question

如何根据另一列的分组依据获取一列的不同单词

我需要为每个 colA 值获取不同的 colB 单词

我的数据框:

colA     colB
US       California City
US       San Jose ABC
UK       London 123
US       California ZZZ
UK       Manchester
UK       London

请求数据帧(df):

col A    colB
US       California
US       City
US       ABC
US       ZZZ
US       San
US       Jose
UK       London
UK       123
UK       Manchester

编辑:

感谢@jezrael，我能够获得所需的数据框

我有另一个数据框(df2)

ColC        ColA      ColB
C1          US        California
C1          US        ABC
C2          UK        LONDON

对于列 (colC) 的每个值，我需要 colB 字符串与先前获得的数据帧的交集。

必填:

ColC     n(df2_colBuniq)    n(df_df2_intersec_colB)
C1       2               2
C2       1               1

我尝试循环遍历每个唯一的 colC 值，但对于我拥有的大型数据帧，这需要相当长的时间。有什么建议吗？

Answer 1

用途:

• set_index并选择colB
• split通过空格到 DataFrame
• reshape stack至系列
• reset_index对于 index
中的列
• drop_duplicates

<小时/>

df = (df.set_index('colA')['colB']
        .str.split(expand=True)
        .stack()
        .reset_index(level=1, drop=True)
        .reset_index(name='colB')
        .drop_duplicates()
       )
print (df)
  colA        colB
0   US  California
1   US        City
2   US         San
3   US        Jose
4   US         ABC
5   UK      London
6   UK         123
8   US         ZZZ
9   UK  Manchester