Python pandas处理单元格逗号分隔列表仅保留重复值报错如何解决

错误原因 #

• 语法错误：原有代码索引段df['A']df['A'].duplicated()]缺少左方括号，存在语法问题无法正常解析
• 逻辑错误：duplicated()方法是判断A列不同行之间的重复关系，和需求要求的「单个单元格内部的元素重复判断」完全不符
• 赋值错误：在iterrows循环中直接对整列A赋值，返回结果长度和原DataFrame行数不匹配，因此抛出ValueError

正确实现代码 #

import pandas as pd
from collections import Counter

# 源数据
df = pd.DataFrame( data={'A': ['aaa, aaa, aaa', 'aaa, aaa, bbb', 'bbb, aaa, aaa', 'aaa, bbb, ccc'],'B': [ '1', '1', '1', '1']})

# 定义单元格处理函数：仅保留单元格内重复出现的元素
def keep_cell_duplicates(s):
    # 按分隔符拆分元素
    elem_list = s.split(', ')
    # 统计元素出现频次
    count = Counter(elem_list)
    # 筛选出现次数≥2的元素，拼接为字符串（无符合条件元素则返回空字符串）
    return ','.join([k for k, v in count.items() if v >= 2])

# 对A列逐单元格应用处理规则
df['A'] = df['A'].apply(keep_cell_duplicates)

输出结果 #

运行后得到的df和你期望的df_2完全一致：

内容的提问来源于stack exchange，提问作者imnotarobotre