pandas 元素出现最早的行号

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

本需求利用映射思维，我们解决一个计算元素出现最早的行数的问题。在解决问题过程中，我们需要与一个映射表，供我们与源数据操作，来获得最终的结果。这种思维的解题步聚一般是构造映射表，再利用映射表进行操作得到结果。

数据与需求

我们构造数据如下：

import pandas as pd
import io


data = (['a', 's'],
        ['b'],
        ['c','b', 's'], 
        ['c', 'c', 't'], 
        ['t']
       )

df = pd.DataFrame({'data': data})
df
'''
        data
0     [a, s]
1        [b]
2  [c, b, s]
3  [c, c, t]
4        [t]
'''

这个数据只要 data 一列，每个值是一个列表，我们要增加一列，对应值为 data 中所有元素第一次出现在表中最早的行数，结果即：

'''
        data  foo
0     [a, s]    1
1        [b]    2
2  [c, b, s]    1
3  [c, c, t]    3
4        [t]    4
'''

比如，索引 2 的列表中 3 个元素，s 出现在第一行，为最小的行数，所以值为 1。

思路

先对 data 列进行爆炸，这样所展开了所有的元素，注意，索引是此元素所在的行索引。再删除掉重复的元素，就只剩下所有的不重复的值，索引加 1 就是我们说的元素首次出现的序号。

再构造映射表（字典），键为元素，值为首次出现的行序号。

再用map()迭代原始 df 的 data 列，用推导式逐个利用映射表计算首次出现的行号，再取最小值，这样就得到想要的数据。

代码

爆炸 data 列，再删除重复值：

df.data.explode()
'''
0    a
0    s
1    b
2    c
2    b
2    s
3    c
3    c
3    t
4    t
Name: data, dtype: object
'''

df.data.explode().drop_duplicates()
'''
0    a
0    s
1    b
2    c
3    t
Name: data, dtype: object
'''

对索引标签值加 1：

ser = df.data.explode().drop_duplicates().rename(lambda x: x+1)
ser
'''
1    a
1    s
2    b
3    c
4    t
Name: data, dtype: object
'''

构造映射表（字典），键为元素，值为首次出现的行序号：

_map = {v:i for i, v in ser.items()}
_map
# {'a': 1, 's': 1, 'b': 2, 'c': 3, 't': 4}

迭代计算每个列表中，每个元素首次出现的行号，再取最小行号。

no = df.data.map(lambda x: min(_map.get(i) for i in x))
no
'''
0    1
1    2
2    1
3    3
4    4
Name: data, dtype: int64
'''

将计算结果增加到原数据中，成为一列：

df.assign(foo=no)
'''
        data  foo
0     [a, s]    1
1        [b]    2
2  [c, b, s]    1
3  [c, c, t]    3
4        [t]    4
'''

到此，我们完成了这个需求。

（完）

pandas 元素出现最早的行号

数据与需求

思路

代码

相关内容