返回在panda datafram的每行中包含子字符串的第一个值

Question

list = [['apple', 'orange', 'pear'],  ['peach', 'apple', 'pear']]
df = pd.DataFrame(list)
print df

Out[172]: 
       0       1     2
0  apple  orange  pear
1  peach   apple  pear

我正在尝试为df的每一行获取子字符串“pe”的第一个匹配项。基本上，我希望输出是一个数据帧，它提供：

       0
0  pear
1  peach

请提供一个可行的解决方案。你知道吗

Answer 1

暴力方法：

In [22]: df
Out[22]:
       0       1     2
0  apple  orange  pear
1  peach   apple  pear

In [23]: def startswith(prefix, default=''):
    ...:     def f(S):
    ...:         for val in S:
    ...:             if val.startswith(prefix):
    ...:                 return val
    ...:         return default
    ...:     return f
    ...:

In [24]: df.apply(startswith('pe'), axis=1)
Out[24]:
0     pear
1    peach
dtype: object

注意，这是没有效率的。它本质上是一个庞大的、嵌套的python for循环。如果您有一堆字符串，那么数据帧就不是正确的数据结构。你知道吗

注意，df.apply采用一个函数，该函数将应用于每一列（如果传递axis=0，则为默认值）或每一行（如果传递axis=1）。你知道吗

startswith函数是一个函数工厂，因此您可以向它传递一个要搜索的前缀，以及一个默认值，如果它从未找到匹配项（您可以将其设置为任何您想要的值），它将返回一个新函数，该函数搜索给定这些约束的行。你知道吗

Answer 2

我的解决方法和@胡安帕.阿里维拉加. 只要您希望多维列表输入相对较小，那么这个嵌套循环就可以正常工作。你知道吗

循环遍历多维数组（在将其放入数据帧之前），然后在该列表中搜索以“pe”开头的字符串的第一个匹配项（或您正在搜索的任何字符串）。将该字符串作为一项列表插入结果列表。填充该列表后，再次将其放入数据帧中。你知道吗

myList=[['apple'、'orange'、'pear']、['peach'、'apple'、'pear']] 结果列表=[]

for row in myList:
    for fruit in  row:
        if fruit.startswith('pe'):
            resultList.append([fruit])
            break

df2 = pd.DataFrame(resultList)
printdf