删除熊猫中的重复汉字

Question

df=pd.DataFrame({'a':['重庆市重庆花园','北京市市教育中心']})

如何删除列'a‘中行的重复字符，并将其设置为

['重庆市花园','北京市教育中心']

而不是

['重庆市重庆花园','北京市市教育中心']

谢谢!

Answer 1

OrderedDict

您可以使用OrderedDict删除重复项而不会丢失顺序

from collections import OrderedDict    
df['a'] = [''.join(OrderedDict.fromkeys(v)) for v in df['a']]
df
         a
0    重庆市花园
1  北京市教育中心

在python-3.6+上，您可以只使用标准字典-

df['a'] = [''.join(dict.fromkeys(v)) for v in df['a']]

str.extractall + groupby + drop_duplicates

这是另一个丑陋的选择-

(df.a.str.extractall('(.)')[0]
   .groupby(level=0)
   .apply(pd.Series.drop_duplicates)
   .groupby(level=0)
   .agg(''.join)
)

0      重庆市花园
1    北京市教育中心
Name: 0, dtype: object

Answer 2

您可以使用

df.a.apply(list).apply(lambda x : ''.join(sorted(set(x), key=x.index)))
Out[169]: 
0      重庆市花园
1    北京市教育中心
Name: a, dtype: object