Python DataFrame将一列中的唯一列表值计数，并将总和添加为一行

发布于06月30日

我有以下数据框:

data = {
    's1': [[1, 2], [None], [2, 3]],
    's2': [[4, 5], [6, 7], [3, 2]]
}

output:

        s1     s2
0   [1, 2]  [4, 5]
1      NaN  [6, 7]
2   [2, 3]  [3, 2]

我需要获取这些列s1和s2的每个元素的唯一计数，并将这些计数作为行添加，如下所示: 编辑:还需要忽略计数中的无/空值.

expected output:
  step      count
0    1      4 -> since [1,2,3,NaN] <<- EDIT this should only be 3 ignoring NaN
1    2     6  -> since[1,2,3,4,5,6]

我的所作所为有点肮脏:

s1_unique = df['s1'].explode().unique()
s2_unique = df['s2'].explode().unique()
new_df = pd.DataFrame()
new_df['step] = [1,2]
new_df['count'] = [len(s1_unique), len(s2_unique)]
new_df['name'] = 'Others'

有没有一种"整洁"的数据帧方法来处理这个问题？

推荐答案

可以通过对每一列应用设置计数+使用NumPy拼接进行展平来完成:

data = {
    's1': [[1, 2], [None], [2, 3]],
    's2': [[4, 5], [6, 7], [3, 2]]
}

df = pd.DataFrame(data)

pd.DataFrame( {'step': range(1, 1+df.shape[1]),
               'count': df.apply(lambda x : len(set( np.concatenate(x.values))), axis=0)}
            )

#   step    count
# s1    1   4
# s2    2   6

编辑:

不计None个值:

pd.DataFrame( {'step': range(1, 1+df.shape[1]),
               'count': df.apply(lambda x : len(set( np.concatenate(x.values)).difference({None})), axis=0)}
            )

或

pd.DataFrame( {'step': range(1, 1+df.shape[1]),
               'count': df.apply(lambda x : len(set( value f或 value in np.concatenate(x.values) if value is not None)), axis=0)}
            )