当groupie后跟value_counts（）时如何计算pandas.Series范围

debugcn 发表于 Dev

自动曝光

我有这样的数据：

year = ['2010', '2011-2014', '2013', '2012-2016', '2018-present', '2019', '2015-present', '2015']
products = ['A', 'B', 'C', 'D', 'B', 'E', 'F', 'A']
rating = [4, 2, 2, 3, 1, 1, 2, 2]

data = pd.DataFrame({'Products': products, 'Year': year, 'Rating': rating})

在我的分析中，我想将年份范围转换为单一年份的值（例如['2010', '2011', '2013', '2014', '2015', '2016', '2017', '2018', '2019', '2020']），并为其他列添加年份范围中的计数。例如，对于上述示例，我希望具有：{'2010'：'A'，'2011'：'B'，'2013'：'B'，'2014'：'B'，'2013'：'c '，'2012'：'D'，'2013'：'D'，'2014'：'D'，'2015'：'D'，'2016'：'D'，...}

我相信我需要的与pandas.cut装箱相反，但我不知道如何在大熊猫中进行

奕奕

您可以str.split在IIUC列中Year使用某些条件，然后使用列表理解：

df["Year"] = [list(range(int(i[0]), int(i[1] if i[1]!= "present" else "2020")+1))
              if len(i)>1 else list(range(int(i[0]), int(i[0])+1))
              for i in df["Year"].str.split("-")]

print (df.explode("Year"))

  Products  Year  Rating
0        A  2010       4
1        B  2011       2
1        B  2012       2
1        B  2013       2
1        B  2014       2
2        C  2013       2
3        D  2012       3
3        D  2013       3
3        D  2014       3
3        D  2015       3
3        D  2016       3
4        B  2018       1
4        B  2019       1
4        B  2020       1
5        E  2019       1
6        F  2015       2
6        F  2016       2
6        F  2017       2
6        F  2018       2
6        F  2019       2
6        F  2020       2
7        A  2015       2

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。