如何从熊猫的多列创建排序列表值？

我有一个数据框与列A和列B，可以有相同的值对时排序。我想重复删除这些列，因为我不关心应用程序中的顺序。如何从熊猫的多列创建排序列表值？

下面是一个示例数据框：

import pandas as pd 
df = pd.DataFrame({'col1':[1, 2, 3], 'col2':[2, 1, 4]}) 
print(df)

这是数据框的样子：

index col1 col2 

0  1  2 

1  2  1 

2  3  4

我想实现的是创造条件，已经整理的前两个列表中的新列每行的值，所以我将能够基于此列对数据帧进行重复数据删除。

的key_column应该是这样的：

0 [1, 2] 

1 [1, 2] 

2 [3, 4]

我会再使用df.drop_duplicates（COL3）

我有一个想法，我应该要么。适用使用或.MAP也许有些拉姆达功能，但没有我想的工作至今：

df.apply(lambda row: sorted([row[0], row[1]]), axis=1) # this sorts the column values in place but doesn't create a new column with a list 
sorted([df['col1'], df['col2']]) # returns error The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all(). 
df.map(sorted) # dataframe object has no attribute map 
df[['col1', 'col2']].apply(lambda x: 
    sorted([','.join(x.astype(int).astype(str))]), axis=1) # creates a list but is not sorted

感谢您的帮助，我希望看到一个解决方案，还解释 - 为什么它的工作原理。

来源

2017-08-25 StefanK

选项1

使用df.apply并通过sorted：

In [1234]: df['col3'] = df.apply(tuple, 1).apply(sorted).apply(tuple) 

In [1235]: df.drop_duplicates('col3') 
Out[1235]: 
    col1 col2 col3 
0  1  2 (1, 2) 
2  3  4 (3, 4)

选项2

呼叫np.sort上df.values，然后将结果分配到新列。

In [1208]: df['col3'] = pd.Series([tuple(x) for x in np.sort(df.values, 1)]); df 
Out[1208]: 
    col1 col2 col3 
0  1  2 (1, 2) 
1  2  1 (1, 2) 
2  3  4 (3, 4) 

In [1210]: df.drop_duplicates('col3') 
Out[1210]: 
    col1 col2 col3 
0  1  2 (1, 2) 
2  3  4 (3, 4)

来源

2017-08-25 11:36:16

你能澄清可能（或交相关链接）如何选择1部作品，为什么你需要申请的元组的两倍？例如，当我想将它转换为numpy数组时，我这样做：'df.apply（tuple，1）.map（np.array）'并且它可以工作，但是当我做'df.apply（np.array， 1）'它不起作用 – StefanK

@StefanK我使用两个'apply'调用的唯一原因是因为我不想使用lambda！但是你也可以使用1。 –

@StefanK排序后的调用结果是列表（大熊猫隐式转换它们）。所以需要另一个应用电话。 –

三个步骤：

df['x'] = df.apply(lambda x: tuple(sorted(x)), axis=1) 
df = df.drop_duplicates('x') 
del df['x']

来源

2017-08-25 11:50:23

如何从熊猫的多列创建排序列表值？

回答

相关问题