在列上迭代并用提取的字符串替换值[Pandas]

Question

我有一个数据集，看起来是这样的：

  A   B
1 aa  1234
2 ab  3456
3 bc  [1357, 2468]
4 cc  8901
...

我需要遍历B列，并将方括号（[]）中的所有值替换为这些括号中的四个左数字，因此数据集将如下所示：

  A   B
1 aa  1234
2 ab  3456
3 bc  1357
4 cc  8901
...

我有这个密码：

for item in df['B']:
if len(item) > 4:
    item_v = str(item[1:5])
    df['B'][item] = item_v 
    print(df['B'][item])

但是，如果我检查df的头，它仍然有旧的值：

   > df['B'].head()

   >  A   B
    1 aa  1234
    2 ab  3456
    3 bc  [1357, 2468]
    4 cc  8901
    ...

我做错什么了？

Answer 1

在您的代码中，您正在循环遍历数据帧的B列中的项，但是您没有方法索引回原始数据帧。具体来说，这条线：

df['B'][item] = item_v

不做你想做的事。它正在B列中放置一个索引为item的新项。如果你用一个小数据帧来尝试，你可能会在帧的末尾看到一些奇怪的值。当我尝试这个，我得到：

In[36]: df
Out[36]: 
    A     B
0  aa  1234
1  ab  3456
2  bc  1357
3  cc  8901

In[37]: df['B'][item] = item_v

In[38]: df['B']
Out[38]: 
0       1234
1       3456
2       1357
3       8901
8901    8901 <-- ???
Name: B, dtype: object

更糟糕的是，这一行并没有将值插入到您期望的数据帧中。只有在查看df['B']时，才能看到新元素。如果您只查看df，您将看到原始数据帧，而没有额外的项。

在数据帧中设置元素的正确方法是使用.loc[]类似于：

df.loc[item,'B'] = item_v

这仍然不能解决最初的问题，即如何获得正确的索引。原始代码的一个修复方法是为列表中B列中的每个项累积值，然后将其重新分配给B列，如下所示：

newB = []
for item in df['B']:
    if len(item) > 4:
        item_v = str(item[1:5])
    else:
        item_v = item
    newB.append(item_v)
print(newB)
df.loc[:, 'B'] = newB 

但是，对于pandas，也有一些解决方案不需要直接迭代B列中的项

例如，可以使用^{}来替换长度超过4个字符的字符串以及^{}函数来操作文本元素。这艘班轮的任务是：

df.loc[:,'B'] = df['B'].where((df['B'].str.len() <= 4), df['B'].str[1:5])

此语句创建一个序列，其中包含列B中的项（如果该项为4个或更少字符），或者如果该项超过4个字符，则包含列B中该项的切片[1:5]。然后，这个序列被指定替换df中的列B。

Answer 2

最简单和最快的方法是使用Pandasstr.get()函数并为所需的结果创建另一列。

解决方案#1 如果B中的值是整数[1234,3456,[1357, 2468],8901]，则第一个解决方案有效

df['C'] = df['B'].str.get(0).astype(float)
df.C.fillna(df['B'], inplace=True)
df['C'] = df.C.astype(int, inplace=True)

输出：

A             B     C
0  aa          1234  1234
1  ab          3456  3456
2  bc  [1357, 2468]  1357
3  cc          8901  8901

然后，如果不需要，可以删除列B。

解决方案#2 如果B中的值是字符串['1234','3456',['1357', '2468'],'8901']，则此解决方案有效

import re
df['digits'] = df['B'].apply(lambda x: re.findall('\d+', str(x)))
df['digits'] = df['digits'].str.get(0)
print(df)

输出：

   A             B    digits
0  aa          1234   1234
1  ab          3456   3456
2  bc  [1357, 2468]   1357
3  cc          8901   8901

同样，如果不需要，可以删除列B。