- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用的数据集看起来像这样。它是一个视频字幕数据集,在“描述”列下带有字幕。
Video_ID Description
mv89psg6zh4 A bird is bathing in a sink.
mv89psg6zh4 A faucet is running while a bird stands and is taking bath under it.
mv89psg6zh4 A bird gets washed.
mv89psg6zh4 A parakeet is taking a shower in a sink.
mv89psg6zh4 The bird is taking a bath under the faucet.
mv89psg6zh4 A bird is standing in a sink drinking water.
l7x8uIdg2XU A woman is pouring ingredients into a bowl and then eating it.
l7x8uIdg2XU A woman is adding milk to some pasta.
l7x8uIdg2XU A person adds ingredients to pasta.
l7x8uIdg2XU the girls are doing the cooking.
Video_ID Description
mv89psg6zh4 A faucet is running while a bird stands and is taking bath under it.
l7x8uIdg2XU A woman is pouring ingredients into a bowl and then eating it.
s = df.index.to_series().groupby(df['Video_ID']).apply(lambda x: len(x['Description']).max())
最佳答案
使用 Series.str.len
获取长度,然后通过 DataFrameGroupBy.idxmax
按每组的最大值获取索引值最后选择 DataFrame.loc
:
df1 = df.loc[df['Description'].str.len().groupby(df['Video_ID'], sort=False).idxmax()]
print (df1)
Video_ID Description
1 mv89psg6zh4 A faucet is running while a bird stands and is...
6 l7x8uIdg2XU A woman is pouring ingredients into a bowl and...
print (df['Description'].str.len())
0 28
1 68
2 19
3 40
4 43
5 44
6 62
7 37
8 35
9 32
Name: Description, dtype: int64
print (df['Description'].str.len().groupby(df['Video_ID'], sort=False).idxmax())
Video_ID
mv89psg6zh4 1
l7x8uIdg2XU 6
Name: Description, dtype: int64
Index.isin
带倒置 mask
~
和
boolean indexing
:
df2 = df[~df.index.isin(df1.index)]
print (df2)
Video_ID Description
0 mv89psg6zh4 A bird is bathing in a sink.
2 mv89psg6zh4 A bird gets washed.
3 mv89psg6zh4 A parakeet is taking a shower in a sink.
4 mv89psg6zh4 The bird is taking a bath under the faucet.
5 mv89psg6zh4 A bird is standing in a sink drinking water.
7 l7x8uIdg2XU A woman is adding milk to some pasta.
8 l7x8uIdg2XU A person adds ingredients to pasta.
9 l7x8uIdg2XU the girls are doing the cooking.
GroupBy.transform
中使用最大长度:
s = df['Description'].str.len()
mask = s.groupby(df['Video_ID'], sort=False).transform('max').eq(s)
df1 = df[mask]
print (df1)
Video_ID Description
1 mv89psg6zh4 A faucet is running while a bird stands and is...
6 l7x8uIdg2XU A woman is pouring ingredients into a bowl and...
df2 = df[~mask]
print (df2)
Video_ID Description
0 mv89psg6zh4 A bird is bathing in a sink.
2 mv89psg6zh4 A bird gets washed.
3 mv89psg6zh4 A parakeet is taking a shower in a sink.
4 mv89psg6zh4 The bird is taking a bath under the faucet.
5 mv89psg6zh4 A bird is standing in a sink drinking water.
7 l7x8uIdg2XU A woman is adding milk to some pasta.
8 l7x8uIdg2XU A person adds ingredients to pasta.
9 l7x8uIdg2XU the girls are doing the cooking.
print (s.groupby(df['Video_ID'], sort=False).transform('max'))
0 68
1 68
2 68
3 68
4 68
5 68
6 62
7 62
8 62
9 62
Name: Description, dtype: int64
关于python - 如何为特定列选择具有最长句子的一行并合并以在 Python 中形成新的数据框?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61558247/
这是代码片段。 请说出这种用小内存存储大数据的算法是什么。 public static void main(String[] args) { long longValue = 21474836
所以我使用 imap 从 gmail 和 outlook 接收电子邮件。 Gmail 像这样编码 =?UTF-8?B?UmU6IM69zq3OvyDOtc68zrHOuc67IG5ldyBlbWFpb
很久以前就学会了 C 代码;想用 Scheme 尝试一些新的和不同的东西。我正在尝试制作一个接受两个参数并返回两者中较大者的过程,例如 (define (larger x y) (if (> x
Azure 恢复服务保管库有两个备份配置选项 - LRS 与 GRS 这是一个有关 Azure 恢复服务保管库的问题。 当其驻留区域发生故障时,如何处理启用异地冗余的恢复服务保管库?如果未为恢复服务启
说,我有以下实体: @Entity public class A { @Id @GeneratedValue private Long id; @Embedded private
我有下一个问题。 我有下一个标准: criteria.add(Restrictions.in("entity.otherEntity", getOtherEntitiesList())); 如果我的
如果这是任何类型的重复,我会提前申请,但我找不到任何可以解决我的具体问题的内容。 这是我的程序: import java.util.Random; public class CarnivalGame{
我目前正在使用golang创建一个聚合管道,在其中使用“$ or”运算符查询文档。 结果是一堆需要分组的未分组文档,这样我就可以进入下一阶段,找到两个数据集之间的交集。 然后将其用于在单独的集合中进行
是否可以在正则表达式中创建 OR 条件。 我正在尝试查找包含此类模式的文件名列表的匹配项 第一个案例 xxxxx-hello.file 或者案例二 xxxx-hello-unasigned.file
该程序只是在用户输入行数时创建菱形的形状,因此它有 6 个 for 循环; 3 个循环创建第一个三角形,3 个循环创建另一个三角形,通过这 2 个三角形和 6 个循环,我们得到了一个菱形,这是整个程序
我有一个像这样的查询字符串 www.google.com?Department=Education & Finance&Department=Health 我有这些 li 标签,它们的查询字符串是这样
我有一个带有静态构造函数的类,我用它来读取 app.config 值。如何使用不同的配置值对类进行单元测试。我正在考虑在不同的应用程序域中运行每个测试,这样我就可以为每个测试执行静态构造函数 - 但我
我正在寻找一个可以容纳多个键的容器,如果我为其中一个键值输入保留值(例如 0),它会被视为“或”搜索。 map, int > myContainer; myContainer.insert(make_
我正在为 Web 应用程序创建数据库,并正在寻找一些建议来对可能具有多种类型的单个实体进行建模,每种类型具有不同的属性。 作为示例,假设我想为“数据源”对象创建一个关系模型。所有数据源都会有一些共享属
(1) =>CREATE TABLE T1(id BIGSERIAL PRIMARY KEY, name TEXT); CREATE TABLE (2) =>INSERT INTO T1 (name)
我不确定在使用别名时如何解决不明确的列引用。 假设有两个表,a 和 b,它们都有一个 name 列。如果我加入这两个表并为结果添加别名,我不知道如何为这两个表引用 name 列。我已经尝试了一些变体,
我的查询是: select * from table where id IN (1,5,4,3,2) 我想要的与这个顺序完全相同,不是从1...5,而是从1,5,4,3,2。我怎样才能做到这一点? 最
我正在使用 C# 代码执行动态生成的 MySQL 查询。抛出异常: CREATE TABLE dump ("@employee_OID" VARCHAR(50)); "{"You have an er
我有日期 2016-03-30T23:59:59.000000+0000。我可以知道它的格式是什么吗?因为如果我使用 yyyy-MM-dd'T'HH:mm:ss.SSS,它会抛出异常 最佳答案 Sim
我有一个示例模式,它的 SQL Fiddle 如下: http://sqlfiddle.com/#!2/6816b/2 这个 fiddle 只是根据 where 子句中的条件查询示例数据库,如下所示:
我是一名优秀的程序员,十分优秀!