Python Pandas : Inconsistent behaviour of boolean indexing on a Series using the len() method

Question

我有一系列字符串，我需要使用 len() 对其应用 bool 索引。

在一种情况下它有效，在另一种情况下它不起作用:

工作案例是数据帧上的groupby，后跟结果系列上的unique()和apply(str)将生成的 numpy.ndarray 条目更改为字符串:

import pandas as pd
df = pd.DataFrame({'A':['a','a','a','a','b','b','b','b'],'B':[1,2,2,3,4,5,4,4]})
dg = df.groupby('A')['B'].unique().apply(str)
db = dg[len(dg) > 2]

这工作正常并产生所需的结果:

>>db
Out[119]: '[1 2 3]'

但是下面的代码会抛出KeyError: True:

ss = pd.Series(['a','b','cc','dd','eeee','ff','ggg'])
ls = ss[len(ss) > 2]

对象dg和ss都只是字符串系列:

>>type(dg)
Out[113]: pandas.core.series.Series

>>type(ss)
Out[114]: pandas.core.series.Series

>>type(dg['a'])
Out[115]: str

>>type(ss[0])
Out[116]: str

我遵循文档中描述的语法:http://pandas.pydata.org/pandas-docs/stable/indexing.html#boolean-indexing

我可以看到潜在的冲突，因为 len(ss) 本身返回系列本身的长度，现在精确的命令用于 bool 索引 ss[len(ss) > 2]，但我预计这两个示例都不起作用。

现在这种行为似乎不一致，除非我遗漏了一些明显的东西。

Answer 1

我认为你需要str.len ，因为需要 Series 每个值的长度:

ss = pd.Series(['a','b','cc','dd','eeee','ff','ggg'])

print (ss.str.len())
0    1
1    1
2    2
3    2
4    4
5    2
6    3
dtype: int64

print (ss.str.len() > 2)
0    False
1    False
2    False
3    False
4     True
5    False
6     True
dtype: bool

ls = ss[ss.str.len() > 2]
print (ls)
4    eeee
6     ggg
dtype: object

如果使用len，则获取Series的长度:

print (len(ss))
7

另一个解决方案是 apply 长度:

ss = pd.Series(['a','b','cc','dd','eeee','ff','ggg'])
ls = ss[ss.apply(len) > 2]
print (ls)
4    eeee
6     ggg
dtype: object

第一个脚本错误，需要apply len 还有:

df = pd.DataFrame({'A':['a','a','a','a','b','b','b','b'],'B':[1,2,2,2,4,5,4,6]})
dg = df.groupby('A')['B'].unique()
print (dg)
A
a       [1, 2]
b    [4, 5, 6]
Name: B, dtype: object

db = dg[dg.apply(len) > 2]
print (db)
A
b    [4, 5, 6]
Name: B, dtype: object

如果将 list 转换为 str，您将得到另一个 len(数据的length + [] 的长度+ 空格长度):

dg = df.groupby('A')['B'].unique().apply(str)
print (dg)
A
a      [1 2]
b    [4 5 6]
Name: B, dtype: object

print (dg.apply(len))
A
a    5
b    7
Name: B, dtype: int64