如果 X 列包含字符串，则在 Y 列中找到 substring 的 position - PYTHON

Question

如果列 ['Existe'] 包含“F”或“D”，我正在尝试在列 ['url'] 中包含的 URL 中找到字符串的起始 position。 I'm new to Python and I'm trying to replicate a workflow from Excel in Python and after an hour of trying methods with lambda, numpy.where or numpy.select, and searching the web, I had to ask for help.

我尝试应用以下代码，但这仅返回该值存在，但实际上并没有给我字符串中的 position。 我目前拥有的是：

df['Start']= ["/t/" in x[0] and "F" in x[1] for x in zip(df['url'],df['Existe'])]

基本上，它给我的结果如下：

       order     id       date      time  URL                    typedCount transition  Existe  Start
0          0  14438   1/3/2021  14:49:37  messenger.com/t/xxxxx          0       link       F   True
1          1  14437   1/3/2021  14:49:18  messenger.com/t/xxxxx          0       link       F   True

如果 df['Existe'] 中存在“F”，则在 df['url'] 中找到“/t/”的起始 position 并将结果放入新列 df['开始']。 我必须使用这个条件，因为 df['Existe'] 包含“F”和“D”，如果它是“F”，它必须寻找“/t/”，如果它是“/@me/” D”。

我正在寻找的结果是：

       order     id       date      time  URL                    typedCount transition  Existe  Start
0          0  14438   1/3/2021  14:49:37  messenger.com/t/xxxxx          0       link       F   14
1          1  14437   1/3/2021  14:49:18  messenger.com/t/xxxxx          0       link       F   14

有谁知道这样做的方法？

谢谢

Answer 1

避免循环遍历行

使用 pandas 操作数据时，通常最好避免循环遍历行。 使用仅对某些行进行操作的逻辑，最好从显式标识这些行开始。 Existe列的值等于"F"的行的子集是：

has_f = df["Existe"] == "F"

现在您可以使用has_f到 select 仅您关心的行df 。

在 pandas 工作时，尽量使用内置的 pandas（或 numpy）函数。 虽然在使用小型 DataFrame 时您可能不会注意到差异，但与 pandas 和 Z2EA9510C37F7F89E4942F 包中包含的优化代码相比，您使用df.apply()编写和应用的任何原始 Python 代码的性能都会很差。 幸运的是，pandas 具有矢量化字符串函数，可以在这里为您提供帮助。 要在一列字符串的每一行中查找 substring 的位置，请尝试以下操作：

t_locations = df["URL"].str.find("/t/")

这会在 URL 列中产生 substring "/t/"的第一次出现的Series URL位置。 你可以对"/@me/"做同样的事情。

结合 pandas 的这两个功能需要使用df.loc索引器到 select 您关心的行和列，并且仅将str.find() ZC1C425268E68385D1AB5074C17A94F 应用于这些值：

df["Start"] = -1  # some default value
has_f = df["Existe"] == "F"

df.loc[has_f, "Start"] = df.loc[has_f, "URL"].str.find("/t/")
# The "~" here returns the inverse of the Boolean Series
df.loc[~has_f, "Start"] = df.loc[~has_f, "URL"].str.find("/@me/")

Answer 2

您可以通过使用 DataFrame 的 apply() 例程来实现此目的：

def process_row(row):
    if row['Existe']=='F':
        row['Start']=row['URL'].find('/t/') + 1
    elif row['Existe']=='D':
        row['Start']=row['URL'].find('/@me/') + 1
    return row
df.apply(process_row,axis=1)

Answer 3

我不确定你试图用'F'和'D'解释什么，所以我假设这个例子和 output 将 go

order   id  date    time    URL typedCount  transition  Existe
0   14438   1/3/2021    14:49:37    messenger.com/t/xxxxx   0   link    F
1   14437   1/3/2021    14:49:18    messenger.com/t/xxxxx   0   link    F
2   14437   1/3/2021    14:49:18    messenger.com/t/@me/xxxx    0   link    D
3   14437   1/3/2021    14:49:18    messenger.com/t/@me/xxxx    0   link    FD
4   14437   1/3/2021    14:49:18    messenger.com/nothing/xxxx  0   link    FD

基本上你可以使用df.apply在你的 dataframe 上执行 function：

import pandas as pd

def myfunc(row):                                          
     f_pos = -1   
     d_pos = -1   
     if 'F' in row['Existe']:
         f_pos = row['URL'].find('/t')
     if 'D' in row['Existe']:
         d_pos = row['URL'].find('/@me/')
     return f_pos, d_pos
 

df = pd.read_csv("yourfile", sep=",") # change the field separator
df['Start'] = df.apply(myfunc, axis=1)

output 是：

    order     id      date      time                         URL  typedCount transition Existe     Start
0      0  14438  1/3/2021  14:49:37       messenger.com/t/xxxxx           0       link      F  (13, -1)
1      1  14437  1/3/2021  14:49:18       messenger.com/t/xxxxx           0       link      F  (13, -1)
2      2  14437  1/3/2021  14:49:18    messenger.com/t/@me/xxxx           0       link      D  (-1, 15)
3      3  14437  1/3/2021  14:49:18    messenger.com/t/@me/xxxx           0       link     FD  (13, 15)
4      4  14437  1/3/2021  14:49:18  messenger.com/nothing/xxxx           0       link     FD  (-1, -1)

如您所见，您可以编辑myfunc以更好地满足您的需求，因为我不确定同时拥有F和D是什么意思。

值得注意的是，如果找不到字符串， str.find()方法将返回-1 。

如果没有找到F或D ，我还将myfunc设置为返回相同的-1 ，但您可以设置其他任何内容。 例如，如果您将其设置为-2或False ，您可以快速知道它是否没有找到任何东西，因为它不在 URL 中，或者因为在Existe列中没有F或D

编辑：在 python 中，索引从 0 开始，这意味着第 14 个字符位于索引 13