基於列單元格值如何使用 python 從字符串中提取特定的字符編號

Question

就像我們在 Excel 中使用的左公式一樣，我想提取編號。 保單號的特征基於 Insurer 列的列，例如.....

如果保險公司是 HDFC，則僅從 sting 中提取 10 個字符，如果保險公司是 tata，則僅從 sting 中提取 7 個字符。 如果是 HDFC & tata 以外的保險公司，則將其留空。

另請參閱 hdfc 保險帶有許多不同的名稱。

我將如何在 python 中實現這一點

保險公司	保單號	預期 OutPut
高清晰度電視	4509242332	4509242332
塔塔	tatadigit National	塔塔迪格
人機工程學	09082323ab12sd	09082323ab
HDFC	諾蘭英雄	諾蘭英雄
塔塔	97543007356	9754300
塔塔	pqrsequence2o202	pqrsequ
塔塔	987654321	9876543
HDFC 健康人體工學	諾蘭英雄	諾蘭英雄
數字	第1733章
星星	納希霍納爾

Answer 1

您可以借助字典對每個組使用str訪問器：

num = {'hdfc': 10, 'tata': 7}

# identify insurer from first word (can be changed to another method)
group = df['Insurer'].str.extract('(\w+)', expand=False).str.lower()

df['Expected OutPut'] = (df.groupby(group)['Policy no.']
                           .transform(lambda g: g.str[:num[g.name]]
                                             if g.name in num else '')
                        )

output：

            Insurer         Policy no. Expected OutPut
0              Hdfc         4509242332      4509242332
1              Tata  tatadigitNational         tatadig
2         Hdfc ergo     09082323ab12sd      09082323ab
3              HDFC       nolanheroman      nolanherom
4              Tata        97543007356         9754300
5              Tata   pqrsequence2o202         pqrsequ
6              Tata          987654321         9876543
7  HDFC health ergo       nolanheroman      nolanherom
8             Digit         1733choola                
9              star        naahiHonaar                

更新：強制最小長度

num = {'hdfc': 10, 'tata': 7}

group = df['Insurer'].str.extract('(\w+)', expand=False).str.lower()

df['Expected OutPut'] = (df.groupby(group)['Policy no.']
                           .transform(lambda g: g.mask(g.str.len()<num[g.name], '')
                                                 .str[:num[g.name]]
                                             if g.name in num else '')
                        )

output：

            Insurer         Policy no. Expected OutPut
0              Hdfc         4509242332      4509242332
1              Tata  tatadigitNational         tatadig
2         Hdfc ergo     09082323ab12sd      09082323ab
3              HDFC             nolanh                   # example here
4              Tata        97543007356         9754300
5              Tata   pqrsequence2o202         pqrsequ
6              Tata          987654321         9876543
7  HDFC health ergo       nolanheroman      nolanherom
8             Digit         1733choola                
9              star        naahiHonaar                

Answer 2

另一個想法是創建一個助手clipper剪裁器。 m包含每行要裁剪的字符數（假設前 4 個字符是hdfc / tata /other），那么向量化clipper function 可以應用於Policy no. 和m 。

import numpy as np

def clipper(string, stop):
    return string[:stop]

m = df.Insurer.str[:4].str.lower().map({"hdfc": 10, "tata": 7}).fillna(0).astype(int)
df["Expected OutPut"] = np.vectorize(clipper)(df["Policy no."], m)

Answer 3

使用np.where檢查下面的答案，Expected_Output_Answer 是計算列

import pandas as pd
import numpy as np

df['Expected_Output_Answer'] = np.where(df['Insurer'].str.contains('hdfc', case=False), 
                                 df['Policy no.'].str[:10],
                                 np.where(df['Insurer'].str.contains('tata', case=False),
                                 df['Policy no.'].str[:7],
                                 ""
                                 )
                                 )
df

Output：