如何计算熊猫数据框中单元格的项目数（或长度）？

Question

在这个小数据框中：

d1 = pd.read_csv('to_count.mcve.txt', sep='\t')

      M1          M2          F1 
      A,B,A,C,D   A,C,B,C,B   A 
      A,B,B,C,B   A,B,A       B 
      C,B,C,D,E   B,C         E 

步骤 01：

我要数F1中有多少个值在M1和M2中

我能做到：

d1_count = d1.apply(lambda x: x.loc[::].str.count(x.F1), 1)

输出：

        M1  M2  F1              
        2   1   1  
        3   1   1 
        1   0   1 

步骤 02： 但如果原始单元格的长度超过 3（不包括逗号），我想将计数除以 2。

解释：

• M1 中的所有值的长度都大于 3，第一个 M2 的长度大于 3。因此，需要更改这些值的计数（除以 2）。

• M1中的第一个值为A,B,A,C,D

• F1 值为A，M1 中有 2 个“A”，使用.str.count(x.F1) 计数
• 因为A,B,A,C,D的长度大于3。我现在改变计数（除以2），得到1。
• 我想自动为所有列执行此操作，因为会有很多列。

最终的预期输出是：

     M1     M2                   
     1     0.5
     1.5   1
     0.5   0

任何建议。

Answer 1

看起来M1 列中的“单元格”是用逗号分隔的字符串。首先将其转换为列表而不是字符串可能更容易，因此您的操作是有意义的。像这样的：

df['M1_list'] = df['M1'].apply(lambda x: x.split(","))

现在您有一个名为M1_list 的列，其中每个条目都有一个列表。现在您可以再次使用.apply() 来获取您想要的号码。

df['F1_count'] = df.apply(lambda x: x['M1_list'].count(x['F1']), axis=1)

但这只会为您提供M1_list 中来自F1 的项目数。要获得“如果您有超过 3 个项目将计数除以 2”的条件，您可以执行另一个 .apply:

df['F1_count'] = df.apply(lambda x: x['F1_count'] / 2 if len(x['M1']) >= 3 else x['F1_count'], axis=1)

如果需要，您当然可以将它们组合成一个 .apply 语句。但是，如果您拆分复杂的操作，它会使代码更易于阅读。您可以将其结合起来的一种方法是使用辅助功能，而不是使用lambda：

def compute_F1(row):
    M1_list = row['M1'].split(",")
    f1_count = M1_list.count(row['F1'])
    if (len(M1_list) >= 3):
        return f1_count / 2
    else:
        return f1_count

然后将该函数应用于每一行：

df['F1_count'] = df.apply(lambda x: compute_F1(x), axis=1)

你应该得到你的结果。