Python - 如何在列表值的列上使用 sum 函数而不会无意连接答案

【问题标题】：Python -- how to use sum function on column of list values without unintentional concatenationPython - 如何在列表值的列上使用 sum 函数而不会无意连接
【发布时间】：2019-11-19 20:14:51
【问题描述】：

我正在做一个 python 任务，我需要分析一个 yelp 数据集。以下是数据集的列：

Index(['business_id', 'name', 'address', 'city', 'state', 'postal_code',
   'latitude', 'longitude', 'stars', 'review_count', 'is_open',
   'categories', 'hours', 'attributes.RestaurantsTakeOut',
   'attributes.BusinessParking', 'attributes.Ambience',
   'attributes.RestaurantsDelivery', 'attributes.RestaurantsReservations',
   'attributes.BusinessAcceptsCreditCards',
   'attributes.RestaurantsPriceRange2',
   'attributes.RestaurantsGoodForGroups', 'attributes.DriveThru',
   'attributes.GoodForKids', 'attributes.GoodForMeal', 'attributes.HasTV',
   'attributes.OutdoorSeating', 'attributes.CoatCheck',
   'attributes.HappyHour', 'attributes.Smoking', 'attributes.WiFi',
   'attributes.RestaurantsTableService', 'attributes.Alcohol',
   'attributes.Caters', 'attributes.Music', 'attributes.BestNights',
   'attributes.WheelchairAccessible', 'attributes.BusinessAcceptsBitcoin',
   'attributes.GoodForDancing', 'attributes.BikeParking',
   'attributes.RestaurantsAttire', 'attributes.NoiseLevel',
   'hours.Wednesday', 'hours.Thursday', 'hours.Friday', 'hours.Saturday',
   'hours.Sunday', 'hours.Monday', 'hours.Tuesday',
   'attributes.DogsAllowed', 'attributes.BYOBCorkage',
   'attributes.Corkage', 'attributes.BYOB', 'attributes.ByAppointmentOnly',
   'attributes.AgesAllowed', 'attributes.Open24Hours',
   'attributes.AcceptsInsurance'],
  dtype='object')

以下是数据集中的一个条目示例：

example of entry in dataset

我对类别列感兴趣。每个类别值都由一个列表组成。在示例条目中，该值为“三明治、沙拉、餐厅、汉堡、舒适食品”。 “类别”列中的下一个值是“夜生活、酒吧、波兰语、现代欧洲、餐厅、素食主义者”。我想将所有行的类别列中的所有值聚合到一个巨大的列表中。因此，理想情况下，该列表将是一个不间断的存储库。那么，对于前两行，它看起来像这样： “三明治、沙拉、餐厅、汉堡、舒适食品、夜生活、酒吧、波兰、现代欧洲、餐厅、素食主义者”。

我想对所有行都这样做。我使用了以下代码：

all_labels = df.categories.sum()

如果这段代码不是最理想的，请告诉我，并希望能提出更好的建议。

无论如何，当我打印（all_labels）时，我遇到了问题。这是前两行聚合的样子：

Sandwiches, Salad, Restaurants, Burgers, Comfort FoodNightlife, Bars, Polish, Modern European, Restaurants, Vegan

如您所见，在第一个值结束和下一个值开始的地方发生了连接（第一个列表的最后一项与第二个列表的第一项合并）。当我通过另一个函数运行每个类别时，这完全弄乱了我的代码——特别是要找出每个类别包含多少行。

有人可以提供解决方案来防止这种单词连接吗？

提前致谢！

【问题讨论】：

标签： python

【解决方案1】：

我认为您的意思是使用join() 而不是sum()，因为您正在连接代表用逗号分隔的列表的字符串，但每个列表都不以逗号结尾。

试试怎么样？

all_labels = ', '.join(df.categories)

这会在您要加入的字符串之间插入逗号（而sum() 会在字符串出现时将它们连接起来）。

我们需要更多代码来查看您尝试加入的变量类型，但如果 df.categories 由字符串组成，那么上面的代码行可能会帮助您找到正确的方向。

【讨论】：