我有一个数据框如下:
df = pd.DataFrame({'a':[1,2,3,4],
'b':["west, east", "east, north","south, west","east, south"]})
a b
0 1 west, east
1 2 east, north
2 3 south, west
3 4 east, south
我想从 b 列中获取唯一的字符串，如下所示。
预期输出:
["east", "west", "north", "south"] # order doesn't matter here
我的努力
op = []
for _, value in df['b'].items():
op.extend(value)
op = set(op)
哪个给出了正确的结果，但有更有效的方法吗？
我的原始数据集有大约百万行和数千个不同的值。
请您参考如下方法:
您可以通过join创建长字符串，然后split并转换为set，最后到list:
a = list(set(', '.join(df['b']).split(', ')))
print (a)
['south', 'north', 'west', 'east']
或者将set comprehension与split和flattening一起使用:
a = list(set([y for x in df['b'] for y in x.split(', ')]))
print (a)
['south', 'north', 'west', 'east']
纯 pandas 解决方案是使用 Series.str.split , DataFrame.stack , Series.unique并转换为 list:
a = df.b.str.split(', ', expand=True).stack().unique().tolist()
