迭代熊猫数据框中的列表以删除列表中特定值后的所有内容

Question

我想根据列事件中“1”的出现来过滤我的数据框值。 当出现 1 时，应删除 1 之后的所有内容。

当我有一个单一列表时，这有效：

event = [5, 5, 5, 5, 1, 5]
index = event.index(1)
event[:index]

输出：

[5, 5, 5, 5]

现在我想为我的整个数据框执行此操作，如下所示：

| session_id | events |
|00000000000 | [4,5,5,3,2,1,5] |
|00000000001 | [4,5,5,1,2,1,5,5,5] |
|00000000002 | [4,5,1,3,2,1,5,5,5,1] |

import pandas as pd

df = pd.DataFrame([['00000000000 ', [4, 5, 5, 3, 2, 1, 5]],
                   ['00000000001', [4, 5, 5, 1, 2, 1, 5, 5, 5]],
                   ['00000000002 ', [4, 5, 1, 3, 2, 1, 5, 5, 5, 1]]],
                  columns=['session_id', 'events'])

---

但我似乎无法做到正确。有人可以帮助我吗？ 我的最终解决方案是这样做：

for i, row in df.iterrows():
    target_id = row['events'].index(1)
    df['events_short'] = row['events'][:target_id]

但它给了我以下错误：

ValueError: Length of values (4) does not match length of index (10)

Answer 1

修复

你的df['events_short'] = 表示设置一个新的整列，这不是你想要的，你只需要设置一个单元格

df['events_short'] = ""
for i, row in df.iterrows():
    df.at[i, 'events_short'] = row['events'][:row['events'].index(1)]

或覆盖

for i, row in df.iterrows():
    df.at[i, 'events'] = row['events'][:row['events'].index(1)]

---

改进

您还可以使用Series.apply 将您的逻辑应用于列的每个单元格

df['events'] = df['events'].apply(lambda x: x[:x.index(1)])