过滤数据框的替代方法

Question

社区！这是一个很长的解释，但一个“简单”的问题！我有以下df：

d = {'name': ['john', 'mary', 'james'], 'area':[['IT', 'Resources', 'Admin'], ['Software', 'ITS', 'Programming'], ['Teaching', 'Research', 'KS']]}
df = pd.DataFrame(data=d)

---

我的目标是从“区域”列中过滤长度大于 3 的单词。所以，它看起来像：

---

我学会了两种方法来处理这种情况：

1. df['area']=df['area'].map(lambda x: [e for e in x if len(e)>3])

2. 定义 g(x):

    return [e for e in x if len(e)>3]
   
    df['area']=df['area'].map(g)
   

在这两种情况下，它都有效。

---

在学习方面，我正在处理这种情况，但不使用 lambda 函数，而是遍历行，然后应用 func。

这就是我得到的

所需的输出不一样。谁能告诉我在我的代码中需要做什么才能获得所需的输出？

我非常感谢迄今为止我收到的所有支持！谢谢！！

Answer 1

问题是您返回的第一个元素长于 3。试试这个：

def f(x):
    answer = []
    for e in x:
        if len(e)>3:
            answer.append(e)
    return answer

但更好的是，尝试一种更 Python 的方式：

def f(x):
    return [e for e in x if len(e)>3]

Answer 2

pandas 作为一些.str 方法，您可以使用一种是.str.len()

首先你需要分解你的数据框，这样我们就可以对整个 df 应用一个操作，而不是迭代每个元素。

df1 = df.explode('area')

df1[df1['area'].str.len() > 3]\
            .groupby('name',as_index=False)\
            .agg(list)

---

   name                     area
0  james     [Teaching, Research]
1   john       [Resources, Admin]
2   mary  [Software, Programming]