选择 DataFrame 中的元素

Question

我有一个没有包含信息字符串的列标题的数据框。我想根据每个单元格中的子字符串选择单元格中的部分值，并将这些元素包含在列表中。我发现列出答案的示例引用了数据帧中的单个（命名）列，并且可以轻松地应用 loc/iloc 来获取数据帧的 str 属性

数据框如下所示：

0 A[3,5] A[6,7] C[3,9]
1 B[2,9] A[2,1] B[3,7]
2 B[5,6]   

从数据框中，我想提取括号中包含的所有坐标，这些坐标在列表中列为 A （作为字符串）。结果列表应该是：

[3,5, 6,7, 2,1]

我已从 csv 读取数据并将其包含在数据框中。我尝试了两种方法：首先，构建一个具有相同维度的数据框，并在存在字母 A 的地方用 1 填充它。

其次，我试图在数据框中找到字符串“A”出现的位置，并一次性提取括号之间的部分。在这两种方法中，我都试图使用 loc/iloc 来引用数据帧的列，但得到一个AttributeError: 'DataFrame' object has no attribute 'str'. 我的思考方式是否正确，或者是否有更有效的方式来解决我的问题？

更新：我已经能够将数据帧堆叠成一个系列，并且只剩下包含“A”的值。现在我希望根据括号之间的子字符串来隔离坐标。下面代码的最后一行产生了一个TypeError: 'Series' objects are mutable, thus they cannot be hashed. 如何检索括号中的子字符串？

df = pd.read_csv("FILE.csv", header = None)
df = df.fillna('')

s = df.stack()
s = s[s.str.contains("A")]

s = s[s.str.find("["):s.str.rfind("]")]

Answer 1

错误意味着没有一列，而是更多的列。因此，如果所有数据都在多列中，请DataFrame.stack在第一步中使用，然后通过Series.str.replace以下方式处理数据：

df = pd.read_csv("FILE.csv", header = None)

s = df.stack()

L = s[s.str.contains("A")].str.replace('[A\[\]]', '').tolist()
print (L)
['3,5', '6,7', '2,1']

最后，如果想要成对的整数，可以使用列表理解：

L1 = [[int(y) for y in x.split(',')] for x in L]
print (L1)
[[3, 5], [6, 7], [2, 1]]

或者@Vishnudev 的解决方案pd.eval更安全，例如eval：

L2 = s[s.str.contains("A")].str.replace('[A]', '').map(pd.eval).explode().tolist()
print (L2)
[3, 5, 6, 7, 2, 1]

另一个想法Series.str.extractall：

L2 = s[s.str.contains("A")].str.extractall('(\d+)')[0].astype(int).tolist()
print (L2)
[3, 5, 6, 7, 2, 1]

编辑：

在您的解决方案中，需要通过以下方式删除fillna可能删除的缺失值stack：

print (df)
        0       1       2
0  A[3,5]  A[6,7]  C[3,9]
1  B[2,9]  A[2,1]  B[3,7]
2  B[5,6]     NaN     NaN

s = df.stack()
print (s)
0  0    A[3,5]
   1    A[6,7]
   2    C[3,9]
1  0    B[2,9]
   1    A[2,1]
   2    B[3,7]
2  0    B[5,6]
dtype: object

s = s[s.str.contains("A")]
print (s)
0  0    A[3,5]
   1    A[6,7]
1  1    A[2,1]
dtype: object

最后一个值之间[]的更好用Series.str.extract：

s = s.str.extract(r"\[(.*?)\]", expand=False)
print (s)
0  0    3,5
   1    6,7
1  1    2,1
dtype: object

您的解决方案可以通过列表理解来实现：

a = [x[x.find("[")+1:x.rfind("]")] for x in s]
print (a)
['3,5', '6,7', '2,1']