如果字符串包含重复的单词，则只保留第一个单词答案

【问题标题】：Retain only the first word if the string contains duplicate words如果字符串包含重复的单词，则只保留第一个单词
【发布时间】：2021-03-07 02:31:01
【问题描述】：

customer_name                                               ANDY
number_of_product_variants                                      2
number_of_channels                                              1
number_of_discount_codes                                        1
order_count                                                     1
order_name                                            #1100,#1100
discount_code                        Christmas2020, Christmas2020
channel                                      Instagram, Instagram
product_variant                    Avengers Set A, Avengers Set B

仅当字符串包含重复项时，我才想删除重复的单词。

预期输出：

customer_name                                                ANDY
number_of_product_variants                                      2
number_of_channels                                              1
number_of_discount_codes                                        1
order_count                                                     1
order_name                                                  #1100
discount_code                                       Christmas2020
channel                                                 Instagram
product_variant                    Avengers Set A, Avengers Set B

我试过的代码：

def unique_string(l):
    ulist = []
    [ulist.append(x) for x in l if x not in ulist]
    return ulist

customer_df['channel_2']=customer_df['channel']
customer_df['channel_2'].apply(unique_string)

将下面的代码仅用于channel 列会返回：

0                                   [S, e, a, r, c, h, ,]
1                    [P, a, i, d,  , A, s, :, S, o, c, l]
2                 [P, a, i, d,  , A, s, :, S, o, c, l, ,]
3                                      [U, n, k, o, w, ,]
```

【问题讨论】：

标签： python python-3.x pandas list

【解决方案1】：

您的数据框似乎包含表示列表而不是列表的字符串。

例子：

'[ "Instagram", "Instagram" ]' and not ["Instagram", "Instagram"]

注意外面的单引号。

您可以看到，因为 for 理解似乎迭代字符串的字符而不是列表的元素。

要将列表的字符串表示形式转换为字符串，您应该首先使用：

import ast
customer_df["channel"] = customer_df["channel"].apply(ast.literal_eval)

如果您想了解更多关于 ast.literal_eval 的信息，请参考this 问题。

然后你可以应用你的函数 unique_string。

【讨论】：

你能解释一下为什么在上面给出的问题中需要这样做吗？我无法理解为什么我们需要literal_eval。

【解决方案2】：

如果多个值的顺序不重要，您可以将set 与, 拆分的值一起使用。

如果顺序很重要，请使用带有.keys() 的dict：

customer_df = pd.DataFrame({"channel_2":['Instagram, Instagram',
                                         'Instagram, Instagram1, Instagram, Instagram2']})
    
f1 = lambda x: ', '.join(set(y for y in x.split(', ')))
f2 = lambda x: ', '.join(dict.fromkeys(y for y in x.split(', ')).keys())

customer_df['channel_2_1'] = customer_df['channel_2'].apply(f1)
customer_df['channel_2_2'] = customer_df['channel_2'].apply(f2)
print (customer_df)
                                      channel_2  \
0                          Instagram, Instagram   
1  Instagram, Instagram1, Instagram, Instagram2   

                         channel_2_1                        channel_2_2  
0                          Instagram                          Instagram  
1  Instagram2, Instagram1, Instagram  Instagram, Instagram1, Instagram2

【讨论】：

@Luc - 取决于数据，如果使用Instagram, Instagram1, Instagram, Instagram2，输出应该不同（仅排序）