python - 如何在 python 中循环数据框、创建新列并向其附加值

Question

我遇到以下问题。我有一个包含几列的数据框，其中一列包含字符串作为值。我想循环浏览此列，更改这些值并将更改的值保存在新列中。

到目前为止我编写的代码如下所示:

def get_classes(x):    
    for index, string in df['column'].iteritems():
        listi = string.split(',')
        Classes=[]

        for value in listi:
            count=listi.count(value)
            if count >= 3: 
                Classes.append(value)

        Unique=(',').join(sorted(list(set(Classes))))
        df['NewColumn']=Unique


End.apply(get_classes)

它循环遍历df['column']的行，在每个处分割字符串，(创建一个名为listi的列表)并创建一个空的列出 称为类的列表。然后，它对 listi 中的每个值进行计数，如果该值在列表中至少出现 3 次，则将其附加到 Classes 中。然后对完成的列表进行排序和set()，以便列表中的所有对象都是唯一的，最后再次以逗号连接到字符串。然后，我想将这个唯一的值列表附加到新列中，其索引位置与派生更改值的行值相同。例如:

df
  column    NewColumn
0 A,A,A,C   A 
1 C,B,C,C   C
2 B,B,B,B   B

当我执行 print Unique 而不是 df['NewColumn']=Unique 时，我的代码似乎工作正常，因为它随后会打印所有转换后的值。但是，如果我像示例中那样执行代码，则数据帧的 NewColumn 完全填充有相同的值，这似乎对应于 df 中最后一行的原始值。有人可以向我解释一下这里的问题是什么吗？

Answer 1

您可以使用集合中强大的计数器:

from collections import Counter

foo = lambda x: ','.join(sorted([k for k,v in Counter(x).iteritems() if v>=3]))

df['new'] = df['column'].str.split(',').map(foo)


#In [33]: df
#Out[33]:
#    column NewColumn new
#0  A,A,A,C         A   A
#1  C,B,C,C         C   C
#2  B,B,B,B         B   B