Python Pandas DataFrame 单元格更改消失

Question

我是 python 和 pandas 的新手，我正在尝试操作 csv 数据文件。我加载了两个数据框，一个包含带有关键字的列，另一个是带有“id”和“word”列的“bagOfWords”。我要做的是在第一个数据框中添加一列，其中包含“列表字符串”中关键字的 id，例如“[1,2,8,99 ...]”。

这是我目前的想法

websitesAlchData = pd.io.parsers.read_csv('websitesAlchData.csv', sep=';', index_col='referer', encoding="utf-8")

bagOfWords = pd.io.parsers.read_csv('bagOfWords.csv', sep=';', header=0, names=["id","words","count"], encoding="utf-8")
a = set(bagOfWords['words'])
websitesAlchData['keywordIds'] = "[]"
for i in websitesAlchData.index
    keywords = websitesAlchData.loc[i,'keywords']
    try:
        keywordsSet = set([ s.lower() for s in keywords.split(",") ])
    except:
        keywordsSet = set()
    existingWords = a & keywordsSet
    lista = []
    for i in bagOfWords.index:
        if bagOfWords.loc[i,'words'] in existingWords:
            lista.append(bagOfWords.loc[i,'id'])

    websitesAlchData.loc[i,'keywordIds'] = str(lista)
    print(str(lista))
    print(websitesAlchData.loc[i,'keywordIds'])
websitesAlchData.reset_index(inplace=True)
websitesAlchData.to_csv(path_or_buf = 'websitesAlchDataKeywordCode.csv', index=False, sep=";", encoding="utf-8")

for 循环末尾的两次打印给出了预期的结果，但是当我尝试打印整个数据框“websitesAlchData”时，列“keywordIds”仍然是“[]”，因此它在生成的 .csv 中为好吧。

我的猜测是我在某处创建了一个副本，但我不知道在哪里。

任何想法这里有什么问题或如何以不同的方式做同样的事情？ 谢谢！

更新：

网站AlchData.cvs 是这样的

referer;category;keywords
url;int;word0,word2,word3
url;int;word1,word3
...

还有词袋 cvc。

id;index;count
0;word0;11
1;word1;14
2;word2;14
3;word3;14
...

预期输出

referer;category;keywords;keywordIds
url;int;word0,word2,word3;[0,2,3]
url;int;word1,word3;[1,3]

Answer 1

在两个for 循环中使用i 肯定有问题。改变它，看看是否有帮助。

Answer 2

我会尝试这样的事情。您需要在更大的数据集上分析性能。

In [146]: df1
Out[146]: 
  referer category           keywords
0     url      int  word0,word2,word3
1     url      int        word1,word3

[2 rows x 3 columns]

In [147]: df2
Out[147]: 
       id  count
index           
word0   0     11
word1   1     14
word2   2     14
word3   3     14

[4 rows x 2 columns]

将keywords 列拆分为单词列表。一般来说，在 DataFrames 中存储列表在性能方面是个坏主意，但这是目前最直接的方法。

In [148]: vals = df1.keywords.str.split(',')

In [149]: vals
Out[149]: 
0    [word0, word2, word3]
1           [word1, word3]
Name: keywords, dtype: object

然后将df2 的查找应用到vals 中列表的每个元素：

In [151]: ids = vals.apply(lambda x: [df2.loc[y, 'id'] for y in x])

In [152]: ids
Out[152]: 
0    [0, 2, 3]
1       [1, 3]
Name: keywords, dtype: object

最后连接：

In [154]: df = pd.concat([df1, ids], axis=1)

In [155]: df
Out[155]: 
  referer category           keywords   keywords
0     url      int  word0,word2,word3  [0, 2, 3]
1     url      int        word1,word3     [1, 3]

[2 rows x 4 columns]