如何在熊猫数据框列（文件名）中找到唯一文件扩展名的数量？答案

【问题标题】：how to find the number of unique file extensions in a pandas data frame column(of file names)?如何在熊猫数据框列（文件名）中找到唯一文件扩展名的数量？
【发布时间】：2023-02-22 19:29:27
【问题描述】：

需要从具有数千个扩展名（file1.txt，file2.txt，file3.csv，file4.jpg，...）的文件的列中获取唯一文件扩展名的数量。

df[['filename']].loc[df['filename'].str.split().str.most_common(100)]

【问题讨论】：

标签： pandas

【解决方案1】：

您可以使用 split 方法通过句点字符拆分每个文件名，然后提取结果列表的最后一个元素

data = {'filename': ['file1.txt', 'file2.txt', 'file3.csv', 'file4.jpg']}
df = pd.DataFrame(data)

file_extensions = df['filename'].str.split('.').str[-1].unique()
num_unique_extensions = len(file_extensions)

print(num_unique_extensions)

【讨论】：

【解决方案2】：

您可以将文件名从末尾围绕最后一个点拆分，然后使用 unique 获取唯一扩展名或 nunique 计算唯一扩展名：

exts = df['filename'].str.rsplit('.', n=1).str[1].unique().tolist()
print(exts)
print(len(exts))

# Output
['txt', 'csv', 'jpg']

或者，如果您只想要分机号，请使用 nunique 而不是 unique：

num = df['filename'].str.rsplit('.', n=1).str[1].nunique()
print(num)

# Output
3

输入：

>>> df
    filename
0  file1.txt
1  file2.txt
2   ile3.csv
3  file4.jpg

【讨论】：