迭代包含列表的pandas列中的值,并仅检索唯一值

Question

这是我无法弄清楚的三个问题,希望有人可以帮助我.

import pandas as pd
data = {'Col1': ['ONE, ONE, NULL', 'ONE, TWO, THREE', 'TWO, NULL, TEN']}
index = pd.Index(['d1','d2','d3'])
data = pd.DataFrame(data,index=index)
pattern = 'ONE|TWO'                 <----QUESTION1
data['Col1'].str.findall(pattern)   <----QUESTION2

问题1:如何更改此正则表达式,以便在"d1"中仅找到"ONE"一次？因为它现在将返回ONE的每个实例,如下所示.

d1    [ONE, ONE]
d2    [ONE, TWO]
d3         [TWO]

我要这个

d1         [ONE]
d2    [ONE, TWO]
d3         [TWO]

问题2:
我想将列表d1,d2和d3放入一个仅包含唯一值的列表中.这是这样的:

set(d1 + d2 + d3) ---> ['ONE', 'TWO']

问题3:
如果我会做这样的事情:

data['Col2'] = data['Col1'].str.findall(pattern)

我如何迭代Col2中的每一行以获得与我在Question2中所要求的相同的结果？

Answer 1

您可以使用reduce（通过set.union）：

In [11]: reduce(set.union, data['Col1'].str.findall(pattern), set())
Out[11]: {'ONE', 'TWO'}

另一种选择是使用列表理解：

In [12]: [w for w in ['ONE', 'TWO'] if data['Col1'].str.contains(w).any()]
Out[12]: ['ONE', 'TWO']