[英]How to conditionally copy a substring into a new column of a pandas dataframe?
這是我的第一篇文章,所以希望我不要討論這個問題,我很清楚。 基本上,這是一個兩部分問題。 我需要設置代碼,首先檢查列A是否為“有效”。 如果是這樣,我需要從列B中提取子字符串並將其放在一個新列中,此處標記為“C”。 如果條件為假,我想加入“NA”。 請參閱第二個表格以了解我的預期結果。
| A | B |
|-------------|-----------------------------------|
| VALID |asdfafX'XextractthisY'Yeaaadf |
| INVALID |secondrowX'XsubtextY'Yelakj |
| VALID |secondrowX'XextractthistooY'Yelakj |
| A | B | C |
|-------------|-------------------------------------|-----------------|
| VALID |"asdfafX'XextractthisY'Yeaaadf" | extractthis |
| INVALID |"secondrowX'XsubtextY'Yelakj" | NA |
| VALID |"secondrowX'XextractthistooY'Yelakj" | extractthistoo |
有幾點需要注意:
- 子字符串將始終在短語“X'X”之后開始,並在“Y'Y”之前完成。
- 子串在不同的單元格之間具有不同的長度。
我知道以下代碼是錯誤的,但我想告訴你我是如何嘗試解決這個問題的:
import pandas as pd
if df[A] == "VALID":
df[C] = df[B]df.str[start:finish]
else:
df[C].isna()
我為這個基本代碼中的錯誤道歉,因為我完全是python的新手,仍然依賴IDE和試錯來指導我。 您可以提供的任何幫助表示贊賞。
您可以使用pd.Series.str.extract
:
In [737]: df
Out[737]:
A B
0 VALID asdfafX'XextractthisY'Yeaaadf
1 INVALID secondrowX'XsubtextY'Yelakj
2 VALID secondrowX'XextractthistooY'Yelakj
In [745]: df['C'] = df[df.A == 'VALID'].B.str.extract("(?<=X'X)(.*?)(?=Y'Y)", expand=False)
In [746]: df
Out[746]:
A B C
0 VALID asdfafX'XextractthisY'Yeaaadf extractthis
1 INVALID secondrowX'XsubtextY'Yelakj NaN
2 VALID secondrowX'XextractthistooY'Yelakj extractthistoo
正則表達式模式是:
(?<=X'X)(.*?)(?=Y'Y)
(?<=X'X)
是X'X
(.*?)
匹配lookbehind和lookahead之間的所有內容
(?=Y'Y)
是Y'Y
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.