通过解析列值为dataframe创建新列，并使用另一列python中的值填充新列

Question

我需要根据特定列中的列表向数据帧添加新列。新列必须是从列中所有列表派生的集合。在

然后我有另一个列，其中的列表与第一个列相对应，但数据略有不同。如果值不在“不包括”列表中，我需要这些值来填充新列

下面是一个例子：

     Disease                             Status
0    Asthma|ARD                          Ph II|Ph I
1    Arthritis|Inflammation|Asthma       Ph III|Approved|No development reported

这应该变成：

^{pr2}$

在这里，“不包括”的列表将只是['没有发展']，但有更多的术语我想在这里包括。在

我正在处理的数据帧有很多列，我有兴趣开发一个函数，在这个函数中我可以简单地传递df、列名和一个“don not incude”列表，它将以有效的方式执行此任务（理想情况下没有任何或很少的循环）。在

我目前的方法是从Disease列创建一个集合，通过帕金森病然后在“疾病”列和“疾病”列中分别更正“疾病”和“疾病”两列。在

问题是我的数据帧大约有12k行，这变得异常耗时。在

Answer 1

似乎每个单元格中都有多个值（来自您以前和当前的问题）。首先整理数据，然后继续进行分析会容易得多。尝试将每列中的每个值放入其各自的单元格中。在

df1 = pd.concat([df[col].str.split('|', expand=True).stack().reset_index(1, drop=True) for col in df.columns], axis=1)

df1的输出

^{pr2}$

然后你可以从这里开始，只选择你关心的列

cols = ['Asthma', 'ARD']
df2 = df1.reset_index().pivot(index='index',columns=0, values=1)[cols]

df2的输出

0                       Asthma   ARD
index
0                        Ph II  Ph I
1      No development reported  None

然后将这个数据帧连接到原始数据帧

pd.concat((df, df2),axis=1)

                             Disease                                   Status  \
index
0                         Asthma|ARD                               Ph II|Ph I
1      Arthritis|Inflammation|Asthma  Ph III|Approved|No development reported

                        Asthma   ARD
index
0                        Ph II  Ph I
1      No development reported  None

Answer 2

• 将排除列表设为set
• str.extractall是一种风格选择。str.split会更快
• query去掉不包括的东西
• join

---

dont_include = set(['No development'])

d1 = df.stack().str.extractall('([^|]+)')[0].unstack(1) \
       .reset_index(1, drop=True).query('Status not in @dont_include') \
       .set_index('Disease', append=1).Status.unstack().fillna('')

df.join(d1)