编辑

Question

我的数据框中有以下两列：

COL1    COL2

 12    :402:agshhhjd:45:hghghgruru:12:fghg,hgh:22:hhhh
 57    :42:ags,hhhjd:57:hghg,hgruru:120:fghgh,gh:12:hhhhhh

我需要创建另一个COL3列，如下所示：

  COL1  COL2                                                    COL3

   12   :402:agshhhjd:45:hghghgruru,:12:fghg,hgh:22:hhhh       fghg,hg
   57   :42:agshhhjd:57:hghg,hgruru:120:fghghgh:12:hhhhhh      hghg,hg

需要以这种方式创建新列COL 3：在同一行中搜索COL2中COL1的值，然后打印除“：”之外的7个字符。我尝试做的是使用切片，但无法正常工作。有人可以帮忙吗？

Answer 1

您可以仅使用属性replace，但首先必须更改列1的数据类型。我们需要替换COL2中的所有内容，并在COL1中的数字后保留措辞，即：

.*12:(\w{7}).*因此，我们只捕获了七个字母并通过反向引用将它们称为“ value = \ 1”。同样，我们对第二行执行相同的操作。由于replace已向量化，因此可以轻松完成此操作。虽然这会很慢

df['COL3'] = df.COL2.replace(regex=r'.*'+ df.COL1.astype('str') +':(\\w{7}).*',value="\\1")

df 
   COL1                                               COL2     COL3
0    12  :402:agshhhjd,:45:hghghgruru,:12:fghghgh,:22:hhhh  fghghgh
1    57  :42:agshhhjd,:57:hghghgruru,:120:fghghgh,:12:h...  hghghgr

您也可以这样做：

import re
[re.sub(".*"+str(i)+":(\\w{7}).*","\\1",j) for i,j in zip(df.COL1,df.COL2)]

编辑

更新后，您可以执行以下操作：

  df.assign(COL3 = df.COL2.replace(regex=r'.*'+ df.COL1.astype('str')+':(.{7}).*',value="\\1"))
Out[102]: 
   COL1                                               COL2     COL3
0    12  :402:agshhhjd,:45:hghghgruru,:12:fghg,hgh,:22:...  fghg,hg
1    57  :42:ags,hhhjd,:57:hghg,hgruru,:120:fghgh,gh,:1...  hghg,hg

Answer 2

使用列表理解和 re.findall ：

import re

df['COL3'] = [
    re.findall('{}\:([a-z]{{7}})'.format(i), j) for i, j in zip(df.COL1, df.COL2)
]

   COL1                                               COL2       COL3
0    12  :402:agshhhjd,:45:hghghgruru,:12:fghghgh,:22:hhhh  [fghghgh]
1    57  :42:agshhhjd,:57:hghghgruru,:120:fghghgh,:12:h...  [hghghgr]

您还可以使用列表推导和 split ，尽管如果在COL2中找不到第一个值，则会抛出错误：

[j.split('{}:'.format(i))[1][:7] for i, j in zip(df.COL1, df.COL2)]
# ['fghghgh', 'hghghgr']

如果可以保证在COL2中找到值，则使用split更快：

df = pd.concat([df]*10000)

%timeit [re.findall('{}\:([a-z]{{7}})'.format(i), j) for i, j in zip(df.COL1, df.COL2)]
28.3 ms ± 1.34 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit [j.split('{}:'.format(i))[1][:7] for i, j in zip(df.COL1, df.COL2)]
12 ms ± 45.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 3

为此：

hdfs://namenode-host:port/path/to/your/files

希望这会有所帮助

如何在Pandas / Python中识别与特定动态值相关的文本

3 个答案:

编辑