排序在几分钟或季节中表达的持续时间

Question

目的是选择持续不超过100分钟的电影或系列。 问题在于持续时间是在几分钟或季节中表示的。

代码：

import pandas as pd
import numpy as np

从kaggle：

url = 'netflix_titles.csv'
df1 = pd.read_csv(url)
df1.head()

查看有关“持续时间”

df1['duration'].head(10)
0       90 min
1    2 Seasons
2     1 Season
3     1 Season
4    2 Seasons
5     1 Season
6       91 min
7      125 min
8    9 Seasons
9      104 min
Name: duration, dtype: object

我的解决方案：

df_US['duree'] = df_US['duration'].apply(lambda x: str(x)).apply(lambda x:x.split(' ')).apply(lambda x: x[0])
df_US['duree'] = df_US['duree'].astype('float')
df_US['duree_unit'] = df_US['duration'].apply(lambda x: str(x)).apply(lambda x:x.split(' ')).apply(lambda x: x[-1])
df_US[(df_US['duree_unit'] == 'min') & (df_US['duree'] < 100)].head(3)

我收到很多警告：

c：\ users \ atapalou \ appdata \ local \ temp \ ipykernel_1436 \ 2173588888888.py：1：1： setterWithCopyWarning：一个值试图在一个副本上设置一个值 从数据框架切片。尝试使用.loc [row_indexer，col_indexer] = 值

请参阅文档中的注意事项： https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-a-view-a-view-view-versus-a-copy df_us ['duree'] = df_us ['duration']。应用（lambda x： str（x））。应用（lambda x：x.split（''））。申请（lambda x：x [0]

解决方案不满足我，必须有一个更优雅的解决方案。

这个 atapalou

Answer 1

给定一个示例，

df
Out[46]: 
    duration
0     90 min
1  2 Seasons
2   1 Season
3   1 Season
4  2 Seasons
5   1 Season
6     91 min
7    125 min
8  9 Seasons
9    104 min

您可以解析到timedelta，然后选择（或排序）

df['duration'] = pd.to_timedelta(
    pd.to_numeric(
        df['duration'].str.replace('min', ''), 
        errors='coerce'
    ), 
    unit='T'
)

df[df['duration']<=pd.Timedelta(minutes=100)]

         duration
0 0 days 01:30:00
6 0 days 01:31:00

基本上忽略了季节，因为这些字符串无法转换为数字值，pd.to_numeric（df ['duration']。str.replace（ 'min'，''），errors =“ coerce”）在这种情况下返回NAN（为TimeDELTA转换为NAT）。