![](/img/trans.png)
[英]Pandas: Check if a substring exists in another column then create a new column with a specific value
[英]Pandas - Check if a value in a column is a substring of another value in the same column
我正在尝试编写一个脚本来检查 DataFrame 的列,每个值不是另一个值的 substring,并且不等于不同的列。 我编写了一个代码,它遍历 iterrows 并为每一行返回其他 substring 值。 一个例子:
df = pd.DataFrame({'names': ['Bob', 'Sam', 'Tom', 'Bob'], 'value': ['abc', 'ab', 'de', 'ab']})
>>> df
names value
0 Bob abc
1 Sam ab
2 Tom de
3 Bob ab
substring_df = pd.DataFrame(columns=df.columns)
for index, row in df.iterrows():
value = row["value"]
name = row["names"]
delta = df[df['value'].str.contains(value) & df['names'] == name]
if(len(delta.index) > 1):
substring_df = pd.concat([substring_df, delta])
>>> substring_df
names value
0 Bob abc
3 Bob ab
此代码工作正常,但对于大量数据来说非常慢。 在包含 10,000 行的 DataFrame 上运行它需要 2 分钟才能返回,我需要在更大的数据上运行它。
关于如何使这段代码更高效的任何想法?
将GroupBy.transform
与生成器一起使用,以通过boolean indexing
找到具有in
和过滤组的子字符串:
df = pd.DataFrame({"names": ["Bob", "Bob", "Bob", "Alice"], "value": ["abc", "ab", "d", "a"]})
print (df)
names value
0 Bob abc
1 Bob ab
2 Bob d
3 Alice a
f = lambda x: x.isin([w for y in x for z in x if z != y and z in y for w in (z, y)])
df = df[df.groupby('names')['value'].transform(f)]
print (df)
names value
0 Bob abc
1 Bob ab
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.