拆分列>>获取唯一值>>将唯一值添加回列

Question

我正在学习python，并从Kaggle获取了一个数据集，以进一步了解python中的数据探索和可视化。你知道吗

我有一个数据框中的“烹饪”列，格式如下：

North Indian, Mughlai, Chinese
Chinese, North Indian, Thai
Cafe, Mexican, Italian
South Indian, North Indian
North Indian, Rajasthani
North Indian
North Indian, South Indian, Andhra, Chinese

我想用逗号分隔此列，并从此列中获取唯一值。我希望将这些唯一值作为新列添加回原始数据帧。你知道吗

根据其他帖子，我尝试了以下方法：

1）转换为列表、设置和展开以获得唯一值

Type函数返回列的序列。将其转换为list，然后再转换为set，将抛出一个错误

type(fl1.cuisines)
pandas.core.series.Series

cuisines_type = fl1['cuisines'].tolist()
type(cuisines_type)
list

cuisines_type
#this returns list of cuisines

cuisines_set = set([ a for b in cuisines_type for a in b])
TypeError: 'float' object is not iterable

2）将其转换为数组和列表

cs = pd.unique(fl1['cuisines'].str.split(',',expand=True).stack())

type(cs)
Out[141]: numpy.ndarray

cs.tolist()

此返回列表。但我无法剥离已添加到某些元素中的空间。你知道吗

预期输出是菜系的唯一列表，并将其添加回列：

北印度| Mughlai |华人

Answer 1

I want to split this column on comma and fetch unique values from this column. Those unique values I want to add back to the original data frame as new columns

a = list(set([i.strip() for i in ','.join(df['cuisine']).split(',')]))

输出

['Thai',
 'Mughlai',
 'Mexican',
 'Rajasthani',
 'Andhra',
 'Chinese',
 'North Indian',
 'Cafe',
 'Italian',
 'South Indian']

使用pd.assign将这些列添加回原始df

df.assign(**{i:0 for i in a})

Answer 2

我相信您需要^{}，如果可能的话，每个列的重复项将删除它们max-对于计数值，输出总是0或1的sum：

df = fl1.cuisines.str.get_dummies(', ').max(level=0, axis=1)
#if need count values
#df = fl1.cuisines.str.get_dummies(', ').sum(level=0, axis=1)
print (df)
   Andhra  Cafe  Chinese  Italian  Mexican  Mughlai  North Indian  Rajasthani  \
0       0     0        1        0        0        1             1           0   
1       0     0        1        0        0        0             1           0   
2       0     1        0        1        1        0             0           0   
3       0     0        0        0        0        0             1           0   
4       0     0        0        0        0        0             1           1   
5       0     0        0        0        0        0             1           0   
6       1     0        1        0        0        0             1           0   

   South Indian  Thai  
0             0     0  
1             0     1  
2             0     0  
3             1     0  
4             0     0  
5             0     0  
6             1     0  

使用^{}解决方案也有类似的可能性：

df = pd.get_dummies(fl1['cuisines'].str.split(', ',expand=True).stack()).max(level=0)

Answer 3

将您的fie保存为csv，然后使用pandas.read_csv()方法加载它。然后对每列进行解析，将每列放入各自的列表中，然后获取每个列表的唯一值。你知道吗

使用这些新列表中的值初始化一个新的数据帧，这些值现在具有唯一的条目。你知道吗

df = pd.read_csv('cuisine.csv')
column_1_lst = list(set(df.iloc[:,0].values.tolist()))
.                                                        # period here means up to, like (1, 2,....,n) notation
.
column_n_lst = list(set(df.iloc[:,n].values.tolist()))

new_dataframe = pd.DataFrame()
new_dataframe['Column_1_unique'] = column_1_lst
.
.
new_dataframe['Column_n_unique'] = column_n_lst

注意：只要确保你所有的列表都是相同的长度，这个工作。你知道吗

希望这有帮助：））