使用掩碼和錯誤/不兼容的數據框中的類型轉換

Question

我有這樣的數據框，其元素我想要轉換爲那些字符串或列表的集合，並用空集替換那些是無。

id super_graph sub_graph 
GO1 GO1 ['GO4', 'GO5', 'GO6', 'GO7', 'GO8', 'GO9'] GO9 
GO2 GO2 ['GO4', 'GO5', 'GO6', 'GO7', 'GO8', 'GO9'] GO11 
GO3 GO3 ['GO1', 'GO5', 'GO6', 'GO7', 'GO8', 'GO9'] GO12 
GO4 GO4 ['GO1', 'GO6', 'GO7'] 
GO5 GO5 ['GO5'] 
GO6 GO6 ['GO1', 'GO5', 'GO7', 'GO3', 'GO9'] 
GO7 GO7 ['GO2', 'GO5', 'GO6', 'GO7', 'GO8', 'GO10', 'GO11', 'GO12'] 
GO8 GO8 ['GO2', 'GO3', 'GO4', 'GO5', 'GO6', 'GO7', 'GO8', 'GO9']  
GO9 GO9  

我設法在兩個步驟中做到這一點;在列表轉換的字符串，然後使用它們轉換這些列表的步驟：

initial_frame = count_frame.loc[:,['id', "super_graph", "sub_graph"]]#THE FRAME WHOSE EXAMPLE YOU HAVE ABOVE 
initial_frame_mask = ~initial_frame.applymap(lambda cell: isinstance(cell, list)| (cell is None)) 

list_frame = initial_frame.mask(initial_frame_mask,initial_frame.applymap(lambda l: [l])) 
list_frame2 = list_frame.applymap(lambda l: set(l) if l is not None else {}) 

的訣竅是這裏使用[]列表構造（也許我不應該用這個詞具有的語言非常特殊的意義但我找不到更好的），而不是list_frame創建的list（l），因爲它們的行爲不同，[]會採用一個字符串，list（）會將字符串序列分解爲它們的部分。

然後，我使用set（）方法和條件表達式轉換這些列表以避免包含無（最終目標是爲列的每一行添加所有三個列表（也許我可以使用更好的方法，不要知道，但無論如何，我要回答到的關注對象的問題，個人造就）

其實我打算做這一步，使用的代碼如下：

initial_frame = count_frame.loc[:,['id', "super_graph", "sub_graph"]] 
initial_frame_mask = ~initial_frame.applymap(lambda cell: isinstance(cell, list)) 

list_frame = initial_frame.mask(initial_frame_mask,initial_frame.applymap(lambda l: {l}) if l is not None else {}) 

但是Python不會讓我這樣做:) 實際上，set（）方法接受列表和字符串，其行爲類似於list（）方法。因此，我打算使用{}來做到這一點，但它不起作用;拋出這個異常：

list_frame = initial_frame.mask(initial_frame_mask,initial_frame.applymap(lambda l: {l} if l is not None else {})) 

TypeError: ("unhashable type: 'list'", 'occurred at index super_graph') 

正是因爲這樣做

In [354]: l=[1,2] 
In [355]: {l} 
Traceback (most recent call last): 

    File "<ipython-input-355-37b01148d270>", line 1, in <module> 
    {l} 

TypeError: unhashable type: 'list' 

所以我相信面具方法選擇整體上進行矢量化操作之後的數據，但這樣，這會觸發這個錯誤，我實際上不應該看到，因爲我的initial_frame_mask很適合避免不方便的值。

id super_graph sub_graph 
GO1 True False True 
GO2 True False True 
GO3 True False True 
GO4 True False False 
GO5 True False False 
GO6 True False False 
GO7 True False False 
GO8 True False False 
GO9 True False False 

所以我想知道我可以在一個步驟做到這一點（可能使用了類似的功能，即不表現得像面具，但要避免開始與壞的值，或用另一種方式來轉換這個）。 我也想知道爲什麼list和[]行爲如此不同，我沒有看到任何Python文檔解釋這是有意的，同樣也是set（）和{}。 提前致謝。

Quicknote：確實：list_frame2 = list_frame.applymap（拉姆達升：設定（L）如果L不無其他{}）將不會工作，因爲它輸出

id super_graph sub_graph 
GO1 {GO1}  {nan}  {GO9} 
GO2 {GO2}  {nan} {GO11} 
GO3 {GO3}  {nan} {GO12} 
GO4 {GO4}  {nan}  {nan} 
GO5 {GO5}  {nan}  {nan} 
GO6 {GO6}  {nan}  {nan} 
GO7 {GO7}  {nan}  {nan} 
GO8 {GO8}  {nan}  {nan} 
GO9 {GO9}  {nan}  {nan} 

編輯：數據幀生成器（但我認爲這是從剪貼板中做到這一點的命令，這就是爲什麼我起初並不包括它，對不起;

count_frame = pd.DataFrame([["GO2","GO3","GO4","GO5","GO6","GO7","GO8","GO9"],\ 
[["GO4", "GO5","GO6","GO7","GO8","GO9"], 
["GO4", "GO5","GO6","GO7","GO8","GO9"], 
["GO1", "GO5","GO6","GO7","GO8","GO9"], 
["GO1", "GO6","GO7"], 
["GO5"] 
["GO1", "GO5","GO7","GO3","GO9"], 
["GO2", "GO5","GO6","GO7","GO8","GO10","GO11", "GO12"], 
["GO2", "GO3","GO4","GO5","GO6","GO7","GO8","GO9"], 
],\ 
["GO9","GO11","GO12"]], index = ['id','super_graph','sub_graph'], columns=["GO1","GO2","GO3","GO4","GO5","GO6","GO7","GO8","GO9","]).T 

Answer 1

可以跳過掩模步驟，直接進入映射

其實。 ，通過介紹以下內容，我覺得你創造了自己的問題。

initial_frame_mask = ~initial_frame.applymap(lambda cell: isinstance(cell, list)) 

這引入了一個面膜哪個是假的所有列表，因此對於相當多的super_graph所有元素，但會發生什麼其他元素是不完全透明的。

要實現你彷彿想，在一行代碼：

initial_frame = count_frame.loc[:,['id', "super_graph", "sub_graph"]] 
initial_frame.applymap(lambda l: {*l} if isinstance(l, list) else {l}) 

編輯：如果您不希望爲「無」出現在你的數據框，你可以先用替換這些值一個方便的。

initial_frame.fillna('').applymap(lambda l: {*l} if isinstance(l, list) else {l}) 

EDIT2：哈克解決方案，讓名單與獨特的項目（也可以做到這一點作爲oneliner，但估計這已經是令人費解就夠了）：

initial_frame['ss'] = initial_frame.fillna('').applymap(lambda l: [*l] if isinstance(l, list) else []).values.sum(axis=1) 
initial_frame['ss'].apply(lambda x: list(filter(None,{*x})))