Question

这行代码完美无缺，但我并没有真正掌握它实际做的事情：

df['New_Column1'], shrink['New_Column2'] = zip(*df['Original_Column'].apply(lambda x: x.split('-', 1)))

这基本上是将一个列拆分到一个破折号，该破折号将员工ID号和它们的实际名称分开（在原始数据中它们合并在一列中）。

这是最有效的方法吗？我怎么能向别人描述这个？我从未使用过＆＃39; zip＆＃39;以前的功能和我不是100％与lambda，但我有时用它来改变日期格式。

Answer 1

apply方法为系列的每一行调用一次lambda函数， df['Original Column']。为每行调用一次Python函数是一个配方缓慢（如果系列有很多行）。一般来说，要最大限度地提高性使用Pandas时，如果没有其他选项，则只使用apply方法。

使用zip会降低效率。 zip返回一个Python列表元组。 Python列表和元组比Pandas系列需要更多的空间当系列内的值是本机NumPy dtype时。字符串可以由本机NumPy dtype表示，因此将数据保存在Series中更多节省空间的。因此，如果可能，应尽量避免使用zip，例如apply。

在这种情况下，您可以代替Panda的vectorized string method, extract：

df = pd.DataFrame({'Original':['abc-def']*3+['foo']})
#   Original
# 0  abc-def
# 1  abc-def
# 2  abc-def
# 3      foo

df[['New1', 'New2']] = df['Original'].str.extract(r'([^-]*)-?(.*)')
print(df)

产量

  Original New1 New2
0  abc-def  abc  def
1  abc-def  abc  def
2  abc-def  abc  def
3      foo  foo

extract的参数是正则表达式模式。 r'([^-]*)-?(.*)'具有以下含义：

([^-]*)     match 0-or-more characters other than a literal hyphen
-?          match 0-or-1 literal question mark
(.*)        match 0-or-more of any character

由括号括起来的模式定义了由然后返回的组 extract方法。

Answer 2

是的，你是对的，这基本上是将一个列拆分到一个破折号，该破折号将员工ID号和它们的实际名称分开（在原始数据中它们合并在一列中）。

我会详细介绍zip和lambda做的事情：

zip^{from the docs}：

此函数返回元组列表，其中第i个元组包含每个参数序列或可迭代的第i个元素。

示例：

>>> my_list1 = [1, 2, 3, 4, 5] >>> my_list2 = ['a', 'e', 'i', 'o', 'u'] >>> zip(my_list1, my_list2) #Returns a list of tuples, each tuple has a number corresponding to its number vowel. [(1, 'a'), (2, 'e'), (3, 'i'), (4, 'o'), (5, 'u')] >>>

lambda^{from the docs}：

可以使用lambda关键字创建小的匿名函数。此函数返回其两个参数的总和：lambda a，b：a + b

示例：

>>> #Writing a function that squares numbers >>> >>> #Long way >>> def square(x): ... return x**2 ... >>> >>> #Short way >>> square = lambda x: x**2 >>>

这个命令究竟在做什么？

2 个答案: