当它们实际上是列表或字典时，数据框中的字符串长度

Question

我的数据框如下所示：

    _id      answers                                               options       singleAnswer                                                     
    a       [{'title': 'dog', 'value': True},                     []            [] 
            {'title': 'cat', 'value': False}, 
            {'title': 'bird', 'value': False}]
    b       [{'title': 'food', 'value': False},                   []            [] 
            {'title': 'water', 'value': True}, 
            {'title': 'wine', 'value': False}]
    c       []                                                   [bed,          [sleep]
                                                                 chair,seat]   
    d       []                                                   [[one],[two],  [four]
                                                                 [three]]

它们显示为字典的原因是因为 BigQuery 中有一个嵌套记录，我导入它时没有取消嵌套。至于最后两列，这就是它们在初始数据集中的样子。

现在，我想构建一个额外的列，只为我提供每行单词的总长度。所以对于第一行，我会考虑dog、cat、bird 并获得长度10。对于最后一行，我将采用one、two、three、four 并获得长度15。

如果有一个简单的字符串，我会做df['Length']=df['columnName'].str.len()，但我不能这样做，因为它给了我列表的长度。这对于字典键的长度也是有问题的，对于这些奇怪的列表列表更是如此。

是否可以按原样取出字符串长度，还是应该先将所有内容转换为我感兴趣的字符串？

Answer 1

最直观的方法是运行一个函数，在您的列上使用apply 计算这些长度。

更高效且坦率地说不直观的方法是首先引爆您的answers 列。然后添加到每个dict 一个_id 键对应于源dict 的键。 （或者以其他方式从一个系列中构造一个数据框，同时保留s.set_index('_id') 之后的原始系列索引。）

从值 (pd.DataFrame(exploded.values)) 构造数据框后，获取长度 new_df['title_len'] = new_df['title'].str.len()，然后在每个 ID 组中，对这些长度求和：new_df.groupby('_id')['title_len'].sum()。

获取您的答案并将其一对一地附加到您的原始数据框中。