在 DataFrame 中拆分字符串并仅保留某些部分

Question

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！

Answer 1

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

Answer 2

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

Answer 3

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