[英]Pandas substring DataFrame column
我有一個 Pandas DataFrame,其中有一列名為positions
,其中包含具有以下示例語法的字符串值:
[{'y': 49, 'x': 44}, {'y': 78, 'x': 31}]
[{'y': 1, 'x': 63}, {'y': 0, 'x': 23}]
[{'y': 54, 'x': 9}, {'y': 78, 'x': 3}]
我想在我的 Pandas DataFrame 中創建四個新列, y_start
, x_start
, y_end
, x_end
,它們只是數字的提取。
例如,對於第一行的示例,我的新列將具有以下值:
y_start
= 49
x_start
= 44
y_end
= 78
x_end
= 31
總而言之,我希望只提取第一次、第二次、第三次和第四次出現的數字並將它們保存到單獨的列中。
ast.literal_eval
來完成pandas.DataFrame
構造函數分隔列表以分隔列,因為它比使用.apply(pd.Series)
更快
pandas.json_normalize
、 .rename
列和.concat
將每列中的字典轉換為每個鍵的單獨列。.read_csv
的converters
參數。
df = pd.read_csv('data.csv', converters={'str_column': literal_eval})
import pandas as pd
from ast import literal_eval
# dataframe
data = {'data': ["[{'y': 49, 'x': 44}, {'y': 78, 'x': 31}]", "[{'y': 1, 'x': 63}, {'y': 0, 'x': 23}]", "[{'y': 54, 'x': 9}, {'y': 78, 'x': 3}]"]}
df = pd.DataFrame(data)
# convert the strings in the data column to dicts
df.data = df.data.apply(literal_eval)
# separate the strings into separate columns
df[['start', 'end']] = pd.DataFrame(df.data.tolist(), index=df.index)
# use json_normalize to convert the dicts to separate columns and join the dataframes with concat
cleaned = pd.concat([pd.json_normalize(df.start).rename(lambda x: f'{x}_start', axis=1), pd.json_normalize(df.end).rename(lambda x: f'{x}_end', axis=1)], axis=1)
# display(cleaned)
y_start x_start y_end x_end
0 49 44 78 31
1 1 63 0 23
2 54 9 78 3
將字符串轉換為對象:
import ast
df['positions'] = df['positions'].apply(ast.literal_eval)
這是一種方式:
df1 = pd.DataFrame.from_records(pd.DataFrame.from_records(df.positions)[0]).rename(columns={"x":"x_start", "y":"y_start"})
df2 = pd.DataFrame.from_records(pd.DataFrame.from_records(df.positions)[1]).rename(columns={"x":"x_end", "y":"y_end"})
df_new = pd.concat([df1, df2], axis=1)
另一個,更簡潔一點:
df1 = pd.DataFrame(df.positions.to_list())[0].apply(pd.Series).rename(columns={"x":"x_start", "y":"y_start"})
df2 = pd.DataFrame(df.positions.to_list())[1].apply(pd.Series).rename(columns={"x":"x_end", "y":"y_end"})
df_new = pd.concat([df1, df2], axis=1)
我不知道這些方法比較的時間或內存性能。
輸出(任一方法):
y_start x_start y_end x_end
0 49 44 78 31
1 1 63 0 23
2 54 9 78 3
不太干凈,但工作方法是編寫一個自定義函數並應用 lambda 假設您的所有行都遵循您的問題中提供的相同模式:
### custom function
def startEndxy(x):
x = x.split(':')
return x[1].split(',')[0].replace(' ', ''), x[2].split('},')[0].replace(' ', ''), x[3].split(',')[0].replace(' ', ''), x[4].split('}')[0].replace(' ', '')
### columns creations
df['y_start'] = df['positions'].apply(lambda x: startEndxy(x)[0])
df['x_start'] = df['positions'].apply(lambda x: startEndxy(x)[1])
df['y_end'] = df['positions'].apply(lambda x: startEndxy(x)[2])
df['x_end'] = df['positions'].apply(lambda x: startEndxy(x)[3])
它應該給你這個輸出:輸出
首先重建你的系列
df = pd.DataFrame(df['position'].tolist()).rename(columns={0: 'starts', 1:'ends'})
starts ends
0 {'y': 54, 'x': 9} {'y': 78, 'x': 3}
1 {'y': 1, 'x': 63} {'y': 0, 'x': 23}
2 {'y': 54, 'x': 9} {'y': 78, 'x': 3}
然后分配開始和結束列
starts = pd.DataFrame(df['starts'].tolist()).rename(columns={'y': 'y_start', 'x': 'x_start'})
ends = pd.DataFrame(df['end'].tolist()).rename(columns={'y': 'y_start', 'x': 'x_start'})
df = pd.concat([starts, ends], axis=1)
y_start x_start y_end x_end
0 54 9 78 3
1 1 63 0 23
2 54 9 78 3
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.