如何列出某一列中的所有不同标签/字符串？答案

【问题标题】：How do I list out all the different labels/strings in a certain column?如何列出某一列中的所有不同标签/字符串？
【发布时间】：2019-05-13 13:15:58
【问题描述】：

我想列出特定列中存在的每个标签/字符串的名称。此类标签将在列中出现多次（例如 Fleet、Travel 等）：例如

Column1         Column2
Facility        Machine
Fleet           Other
Travel          Leased Vehicles
......          .......

如何编写代码来提取 numpy 数组中的标签？

谢谢。

期望的输出例如。 feature_labels = np.array(['Column1_Facility', 'Column1_Fleet', 'Column2_Machine', 等等

【问题讨论】：

标签： python-3.x string list numpy

【解决方案1】：

numpy 具有用于准向量化字符串操作的char 模块。例如，您可以使用np.char.add:

import functools as ft

data
# array([['Column1', 'Column2'],
#        ['Facility', 'Machine'],
#        ['Fleet', 'Other'],
#        ['Travel', 'Leased Vehicles'],
#        ['......', '.......']], dtype='<U15')

ft.reduce(np.char.add, (data[:1], '_', data[1:]))
# array([['Column1_Facility', 'Column2_Machine'],
#        ['Column1_Fleet', 'Column2_Other'],
#        ['Column1_Travel', 'Column2_Leased Vehicles'],
#        ['Column1_......', 'Column2_.......']], dtype='<U31')

【讨论】：

谢谢。帮助解决我想到的另一个问题:)

【解决方案2】：

我不完全确定我完全理解这个问题，但这是我的尝试：

df = pd.DataFrame({'Column1': ['Facility', 'Fleet', 'Travel'], 'Column2': ['Machine', 'Other', 'Leased Vehicles']})
df

#Outputs:
    Column1 Column2
0   Facility    Machine
1   Fleet   Other
2   Travel  Leased Vehicles

然后遍历列以根据需要将列名称附加到功能名称：

for col in df.columns:
    df[col] = df[col].apply(lambda x: f'{col}_{x}')

以上将为您提供：

             Column1    Column2
0   Column1_Facility    Column2_Machine
1   Column1_Fleet       Column2_Other
2   Column1_Travel      Column2_Leased Vehicles

现在您可以简单地提取每列的值：

df.Column1.values

结果：

array(['Column1_Facility', 'Column1_Fleet', 'Column1_Travel'], dtype=object)

编辑：

如果您只想列出列中的唯一值：

             Column1    Column2
0   Column1_Facility    Column2_Machine
1   Column1_Fleet       Column2_Other
2   Column1_Travel      Column2_Leased Vehicles
3   Column1_Facility    Column2_Machine

你需要使用：

df.Column1.unique()

结果：

array(['Column1_Facility', 'Column1_Fleet', 'Column1_Travel'], dtype=object)

【讨论】：

您好，感谢您的快速回复。我测试了您的建议并得到以下回复： array(['Category_Facility', 'Category_Fleet', 'Category_Fleet', ..., 'Category_Travel and Entertainment', 'Category_Other', 'Category_nan'], dtype=object)
谢谢！如果同一列中的相同名称标签（例如 Fleet、Others 等）出现多次（多行）但我希望它只在数组中列出一次，新代码的外观如何？例如，如果一列中有标签名称（与数十万行相关联），我只需要知道存在于该特定列中的每个标签的不同名称是什么。希望我能够清楚地解释这一点。再次感谢您。
您需要使用df.Column1.unique() 而不是.values
再次您好，希望您能再次在这里提供帮助。似乎每次我运行同一个单元格时，列字（例如“类别”）都会在整个过程中连接起来：for col in df.columns: df[col] = df[col].apply(lambda x: f'{col} _{x}') df.Category.unique() 运行 4 次后的结果...：它一直在上次运行的基础上构建。 array(['Category_Category_Category_Category_Category_Facility', 'Category_Category_Category_Category_Category_Fleet'.....等我只想显示1次的列标题（例如“类别”）。谢谢
您不应该多次运行 for 循环。每次运行时，它都会将列名附加到每列中的值。您可以将它放入一个函数中并且只调用一次，或者只在笔记本的开头调用并且不再调用。