遍历嵌套的字符串列表以获取第一项

Question

我正在尝试从数据框中的 gen 列中提取项目（示例如下）。我的目标是将 gen 中的每一行迭代到一个新的数据框列中，其中的项目与预定义列表 genre_code.

相匹配

df = pd.DataFrame({'id': [620, 843, 986], 'tit': ['AAA', 'BBB', 'CCC'], 'gen': [['Romance', 'Satire', 'Fiction'], ['Science Fiction', 'Novel'], ['Mystery', 'Novel']]})

genre_code = ['Science Fiction', 'Mystery', 'Non-fiction']

到目前为止，我能够得出以下结论：

new_gen = []
for i in df['gen']:
  for j in i:
    if j in genre_code:
      new_gen.append(j)
    else:
      new_gen.append('NA')
df['gen'] = new_gen

它确实遍历了列，但结果 new_gen 的长度与原始数据帧行长度不匹配。

/usr/local/lib/python3.7/dist-packages/pandas/core/internals/construction.py in sanitize_index(data, index)
    746     if len(data) != len(index):
    747         raise ValueError(
--> 748             "Length of values "
    749             f"({len(data)}) "
    750             "does not match length of index "

ValueError: Length of values (30004) does not match length of index (12841)

我知道这一定是非常基本的东西，但是有人可以指出我遗漏了什么吗？

Answer 1

如果您想根据您的列表过滤 gen 列，您可以这样做：

df["gen"] = df["gen"].apply(lambda x: [g for g in x if g in genre_code])
print(df)

打印：

    id  tit                gen
0  620  AAA                 []
1  843  BBB  [Science Fiction]
2  986  CCC          [Mystery]

P.S：为了加快处理速度，可以在

之前将genre_code转换为set()

genre_code = set(["Science Fiction", "Mystery", "Non-fiction"])
df["gen"] = df["gen"].apply(lambda x: [g for g in x if g in genre_code])

Answer 2

我会将列表转换为字符串，然后使用 series.str.findall 到 return 匹配的 genre_code:

df['new_gen'] = df['gen'].astype(str).str.findall('|'.join(genre_code))

print(df)

    id  tit                         gen            new_gen
0  620  AAA  [Romance, Satire, Fiction]                 []
1  843  BBB    [Science Fiction, Novel]  [Science Fiction]
2  986  CCC            [Mystery, Novel]          [Mystery]

遍历嵌套的字符串列表以获取第一项

iterating through a nested list of strings to get first item

python

loops

nested-lists

pandas