从python中的csv中查找字符串长度并附加字典格式的多列

Question

我的数据框 -

基本上-我想附加房屋和地区列

• 然后找到两列的字符串长度；在这种情况下 House 263 --> (0, 8), dhaka (10,14), area(16,21)
• 另外，附上它们的相关标签（label1 列和 label2、label3）
• 为所有行执行此操作 我的预期输出-[('House 263 dhaka', {'entities': [[(0, 8)], 'holding_number'], [(10,14), 'district'], [(16,21), 'area']})

我的代码-

TRAIN_DATA= [(k, {'entities': [[0, len(k.rpartition(' ')[0]) - 1, v['label1']], [k.rfind(' ') + 1, len(k) - 1, v['label2']], [k.rfind(' ') + 1, len(k) - 1, v['label3']]]}) for k, v in df.set_index(['house', 'district', 'area']).set_axis(df[['house', 'district', 'area']].agg(' '.join, axis=1)).to_dict('index').items()]
print(TRAIN_DATA)

我无法在 area 列下找到字符串的长度。我怎样才能找到它？另外，如果我有另一个这样的 6/7 列怎么办？谁能解释一下？

输入数据框- {'house'：{0：'House 263'，1：'House 31'，2：'House 193/A'}，'label1'：{0：'holding_number'，1：'holding_number'，2：' holding_number'}，'district'：{0：'dhaka'，1：'comilla'，2：'chittagong'}，'label2'：{0：'district'，1：'district'，2：'district' }, 'area': {0: 'mirpur', 1: 'badda', 2: 'dohs'}, 'label3': {0: 'area', 1: 'area', 2: 'area'}}

Answer 1

您可以使用以下自定义函数：

import numpy as np
def get_lengths(s):
    cols = s.index[::2]
    #labels = s.index[1::2]
    l = list(np.cumsum(list(map(len, s[cols]))))
    l = list(zip([0]+l[:-1], l))
    
    return (' '.join(s[cols]), {'entities': [list(zip(l, cols))]})

df.apply(get_lengths, axis=1)

第一行的示例输出：

('House 263 dhaka mirpur',
 {'entities': [[((0, 9), 'house'),
    ((9, 14), 'district'),
    ((14, 20), 'area')]]})