python - 如何在 Pandas DataFrame 的列表列中展平分隔字符串？

Question

我有一个带有一个列表列的 Pandas DataFrame，例如:

df = pd.DataFrame({"pairs": [["A|B", "B|C", "C|D", "D|F"], ["A|D", "D|F", "F|G", "G|D"], ["C|D", "D|X"]]})

pairs 中的列表列始终包含连续的对，其中对的 2 个元素由 | 分隔.我想“展平”这些列中的列表，而不是存储对，现在以相同的顺序存储对的元素。所以所需的 DataFrame 看起来像:

elements
[A, B, C, D, F]
[A, D, F, G, D]
[C, D, X]

(编辑:我也希望元素在结果列表中多次出现，例如第二行中的 D)
这看起来很简单，我不敢相信没有有效的解决方案，但到目前为止我还没有找到任何可以帮助我的 python 方法

Answer 1

您可以使用集合理解:

df["elements"] = df["pairs"].apply(
    lambda x: {ww for w in x for ww in w.split("|")}
)
print(df)

打印:

                  pairs         elements
0  [A|B, B|C, C|D, D|F]  {B, C, D, A, F}
1       [A|D, D|F, F|G]     {G, D, F, A}
2            [C|D, D|X]        {X, C, D}

如果你想要列表:

df["elements"] = df["pairs"].apply(
    lambda x: list({ww for w in x for ww in w.split("|")})
)
print(df)

                  pairs         elements
0  [A|B, B|C, C|D, D|F]  [D, F, A, C, B]
1       [A|D, D|F, F|G]     [G, D, A, F]
2            [C|D, D|X]        [X, D, C]

编辑:维持秩序:

def fn(x):
    seen = set()
    out = []
    for v in x:
        for w in v.split("|"):
            if not w in seen:
                seen.add(w)
                out.append(w)
    return out


df["elements"] = df["pairs"].apply(fn)
print(df)

打印:

                  pairs         elements
0  [A|B, B|C, C|D, D|F]  [A, B, C, D, F]
1  [A|D, D|F, F|G, G|D]     [A, D, F, G]
2            [C|D, D|X]        [C, D, X]

编辑:保持多个元素+顺序:

from itertools import groupby, chain

def fn(x):
    return [v for v, _ in groupby(chain.from_iterable(v.split("|") for v in x))]

df["elements"] = df["pairs"].apply(fn)
print(df)

打印:

                  pairs         elements
0  [A|B, B|C, C|D, D|F]  [A, B, C, D, F]
1  [A|D, D|F, F|G, G|D]  [A, D, F, G, D]
2            [C|D, D|X]        [C, D, X]