[英]How to only keep certain sentences of strings in pandas Dataframe
[英]Split strings in DataFrame and keep only certain parts
我有一个像这样的 DataFrame:
x = ['3.13.1.7-2.1', '3.21.1.8-2.2', '4.20.1.6-2.1', '4.8.1.2-2.0', '5.23.1.10-2.2']
df = pd.DataFrame(data = x, columns = ['id'])
id
0 3.13.1.7-2.1
1 3.21.1.8-2.2
2 4.20.1.6-2.1
3 4.8.1.2-2.0
4 5.23.1.10-2.2
我需要在句点上拆分每个 id 字符串,然后我需要知道第二部分何时为 13,第三部分何时为 1。理想情况下,我会有一个额外的列是 boolean 值(在上面的示例中,索引0 为 TRUE,其他所有为 FALSE)。 但是我可以使用多个附加列,其中一个或多个包含单独的字符串部分,一个用于所述 boolean 值。
我首先尝试将字符串分成几部分:
df['id_split'] = df['id'].apply(lambda x: str(x).split('.'))
这有效,但是如果我尝试像这样仅隔离字符串的第二部分......
df['id_split'] = df['id'].apply(lambda x: str(x).split('.')[1])
...我收到列表索引超出范围的错误。
但是,如果我像这样检查 DataFrame 中的任何单个索引...
df['id_split'][0][1]
...这行得通,只产生字符串列表中的第二项。
我想我对 .apply() 方法的作用还不够熟悉,不知道为什么它不接受列表索引。 但无论如何,我想知道如何以可扩展的方式(实际数据集为数百万行)基于这些值隔离每个字符串的第二和第三部分,检查它们的值,以及 output 和 boolean。 谢谢!
让我们使用str.split
来获取零件,然后您可以比较:
parts = df['id'].str.split('\.', expand=True)
(parts[[1,2]] == ['13','1']).all(1)
Output:
0 True
1 False
2 False
3 False
4 False
dtype: bool
你可以做这样的事情
df['flag'] = df['id'].apply(lambda x: True if x.split('.')[1] == '13' and x.split('.')[2]=='1' else False)
Output
id flag
0 3.13.1.7-2.1 True
1 3.21.1.8-2.2 False
2 4.20.1.6-2.1 False
3 4.8.1.2-2.0 False
4 5.23.1.10-2.2 False
您可以直接执行此操作,如下所示:
df['new'] = df['id'].apply(lambda x: str(x).split('.')[1]=='13' and str(x).split('.')[2]=='1')
>>> print(df)
id new
0 3.13.1.7-2.1 True
1 3.21.1.8-2.2 False
2 4.20.1.6-2.1 False
3 4.8.1.2-2.0 False
4 5.23.1.10-2.2 False
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.