熊猫如何根据另一列导出新列的值

Question

我有一个dataframe，它有一列，每个值都是一个列表，现在我想派生一个新列，它只考虑大小大于 1 的列表，并将一个唯一整数分配给相应的行作为 id . 一个示例dataframe 就像，

document_no_list    cluster_id
[1,2,3]             1
[4,5,6,7]           2
[8]                 nan
[9,10]              3 

column cluster_id 只考虑第 1、2、4 行，每行的大小都大于 1，并为其在该列中的对应单元格分配一个唯一的整数 id。

我想知道如何在pandas 中做到这一点。

Answer 1

我们可以将 np.random.choice 用于唯一随机值，使用 .loc 进行分配，即

df = pd.DataFrame({'document_no_list' :[[1,2,3],[4,5,6,7],[8],[9,10]]})

x = df['document_no_list'].apply(len) > 1 

df.loc[x,'Cluster'] =  np.random.choice(range(len(df)),x.sum(),replace=False)

输出：

document_no_list 集群 0 [1, 2, 3] 2.0 1 [4, 5, 6, 7] 1.0 2 [8] 南 3 [9, 10] 3.0

如果你想要连续的数字，那么你可以使用

df.loc[x,'Cluster'] =  np.arange(x.sum())+1

document_no_list 集群 0 [1, 2, 3] 1.0 1 [4, 5, 6, 7] 2.0 2 [8] 南 3 [9, 10] 3.0

希望对你有帮助

Answer 2

根据条件创建一个布尔列并将 cumsum() 应用于具有 1 的行

df['cluster_id'] = df['document_no_list'].apply(lambda x: len(x)> 1).astype(int)

df.loc[df['cluster_id'] == 1, 'cluster_id'] = df.loc[df['cluster_id'] == 1, 'cluster_id'].cumsum()


document_no_list    cluster_id
0   [1, 2, 3]       1
1   [4, 5, 6, 7]    2
2   [8]             0
3   [9, 10]         3