为了账号安全,请及时绑定邮箱和手机立即绑定

计算一列中有多少个字符出现在另一列中(熊猫)

计算一列中有多少个字符出现在另一列中(熊猫)

陪伴而非守候 2023-08-22 16:49:08
我正在尝试计算第一列中有多少个字符出现在第二列中。它们可能以不同的顺序出现,并且不应被计算两次。例如,在这个 dfdf = pd.DataFrame(data=[["AL0","CP1","NM3","PK9","RM2"],["AL0X24",                            "CXP44",                            "MLN",                            "KKRR9",                            "22MMRRS"]]).T结果应该是:result = [3,2,2,2,3]
查看完整描述

3 回答

?
慕莱坞森

TA贡献1810条经验 获得超4个赞

set.intersection压缩两列后看起来像:

[len(set(a).intersection(set(b))) for a,b in zip(df[0],df[1])]
#[3, 2, 2, 2, 3]


查看完整回答
反对 回复 2023-08-22
?
慕婉清6462132

TA贡献1804条经验 获得超2个赞

如果您比较具有相同多个字符的名称,例如,其他解决方案将失败。AAL0和AAL0X24。这里的结果应该是 4。


from collections import Counter


df = pd.DataFrame(data=[["AL0","CP1","NM3","PK9","RM2", "AAL0"],

                        ["AL0X24", "CXP44", "MLN", "KKRR9", "22MMRRS", "AAL0X24"]]).T


def num_shared_chars(char_counter1, char_counter2):

    shared_chars = set(char_counter1.keys()).intersection(char_counter2.keys())

    return sum([min(char_counter1[k], char_counter2[k]) for k in shared_chars])


df_counter = df.applymap(Counter)

df['shared_chars'] = df_counter.apply(lambda row: num_shared_chars(row[0], row[1]), axis = 'columns')

结果:


      0        1  shared_chars

0   AL0   AL0X24             3

1   CP1    CXP44             2

2   NM3      MLN             2

3   PK9    KKRR9             2

4   RM2  22MMRRS             3

5  AAL0  AAL0X24             4


查看完整回答
反对 回复 2023-08-22
?
胡子哥哥

TA贡献1825条经验 获得超6个赞

坚持数据帧数据结构,你可以这样做:


>>> def count_common(s1, s2):

...     return len(set(s1) & set(s2))

...

>>> df["result"] = df.apply(lambda x: count_common(x[0], x[1]), axis=1)

>>> df

     0        1  result

0  AL0   AL0X24       3

1  CP1    CXP44       2

2  NM3      MLN       2

3  PK9    KKRR9       2

4  RM2  22MMRRS       3


查看完整回答
反对 回复 2023-08-22
  • 3 回答
  • 0 关注
  • 1254 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信