Skip to main content
 首页 » 编程设计

python之使用拆分填充 Pandas 数据框中的列

2025年04月02日1698°冷暖

我正在处理文本数据,我只想根据现有列填充一个新列。

示例:列 sourceEncodedID 可能具有类似 a.b.c 的值,我只想提取字符串的第二部分 b ,如果有第二部分可用。以下是一些示例值:

sourceEncodedID    Branch     
a.b.c               b     
c.r.d               r     
a                   a     
p                   p 

为此,我想出了以下代码:

for i in range(0,20350): 
    if len(str(artifacts.sourceEncodedID[i]).split('.')) > 1: 
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i]).split('.')[1] 
    else: 
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i]) 

dataframe 中只有 20k 行,但这段代码需要几分钟才能执行,然后从未完成并使我的浏览器无响应(我正在使用 ipython notebook)。我原以为这会在几秒钟内运行。

这段代码中是否有我无法捕捉到的明显愚蠢的地方?我该如何解决?

请您参考如下方法:

UPDATE2: - 我相信这会更快一些:

x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1') 

20K DF 时序:

In [155]: x.shape 
Out[155]: (20000, 2) 
 
In [156]: %timeit x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1') 
10 loops, best of 3: 127 ms per loop 

更新:

In [68]: x['new'] = x.sourceEncodedID 
 
In [69]: x 
Out[69]: 
  sourceEncodedID Branch    new 
0           a.b.c      b  a.b.c 
1           c.r.d      r  c.r.d 
2               a      a      a 
3               p      p      p 
 
In [70]: x.ix[x.sourceEncodedID.str.contains('\.'), 'new'] = x.sourceEncodedID.str.split('\.', expand=True)[1] 
 
In [71]: x 
Out[71]: 
  sourceEncodedID Branch new 
0           a.b.c      b   b 
1           c.r.d      r   r 
2               a      a   a 
3               p      p   p 

当首先使用 pandas 数据帧时,总是尝试找到矢量化解决方案。并且只有在绝对不可能的情况下才仔细检查它,并且只有在尝试循环方法之后才进行检查,因为它会慢几个数量级。

旧答案:

试试这个:

In [61]: x.sourceEncodedID.str.split('\.', expand=True)[1] 
Out[61]: 
0       b 
1       r 
2    None 
3    None 
Name: 1, dtype: object