Question

我有三个列表如下：

    age = ['51+', '21-30', '41-50', '31-40', '<21']
    cluster = ['notarget', 'cluster3', 'allclusters', 'cluster1', 'cluster2']
    device = ['htc_one_2gb','iphone_6/6+_at&t','iphone_6/6+_vzn','iphone_6/6+_all_other_devices','htc_one_2gb_limited_time_offer','nokia_lumia_v3','iphone5s','htc_one_1gb','nokia_lumia_v3_more_everything']

我也有df中的列，如下所示：

    campaign_name   
0   notarget_<21_nokia_lumia_v3 
1   htc_one_1gb_21-30_notarget  
2   41-50_htc_one_2gb_cluster3      
3   <21_htc_one_2gb_limited_time_offer_notarget 
4   51+_cluster3_iphone_6/6+_all_other_devices

我想根据上面列表中的值将列拆分为三个单独的列。像这样：

    age     cluster     device  
0   <21     notarget    nokia_lumia_v3  
1   21-30   notarget    htc_one_1gb     
2   41-50   cluster3    htc_one_2gb  
3   <21     notarget    htc_one_2gb_limited_time_offer
4   51+     cluster3    iphone_6/6+_all_other_devices

首先想到的是做一个这样简单的测试：

ages_list = []

for i in ages:
    if i in df['campaign_name'][0]:
        ages_list.append(i)

print ages_list
>>>   ['<21']

然后我将age_list转换为一个系列并将其与剩下的两个结合起来得到最终结果，但我假设有更多的pythonic方式呢？

Answer 1

这背后的想法是你将根据你已经拥有的值创建一个正则表达式，例如，如果你想构建一个正则表达式来捕获你的年龄列表中的任何值，你可以做这样的事情{{ 1}}依此类推您已拥有的所有值'|'.join(age)＆amp; cluster。

device列表的特殊情况，因为它包含与正则表达式冲突的device符号（因为+表示正则表达式中的一个或多个）所以我们可以修复此问题将+的任何值替换为+的问题，这意味着我想按字面意思捕获\+

如果您想删除原始列，可以执行此操作

df = pd.DataFrame({'campaign_name' : ['notarget_<21_nokia_lumia_v3' , 'htc_one_1gb_21-30_notarget' , '41-50_htc_one_2gb_cluster3' , '<21_htc_one_2gb_limited_time_offer_notarget' , '51+_cluster3_iphone_6/6+_all_other_devices'] }) 


def split_df(df):
        campaign_name = df['campaign_name']
        df['age'] = re.findall('|'.join(age) , campaign_name)[0]
        df['cluster'] = re.findall('|'.join(cluster) , campaign_name)[0]
        df['device'] = re.findall('|'.join([x.replace('+' , '\+') for x in device ]) , campaign_name)[0]

    return df


df.apply(split_df, axis = 1 )

这里我假设一个值必须与df.apply(split_df, axis = 1 ).drop( 'campaign_name', axis = 1)匹配，但如果不是这种情况你可以进行检查，那么你就明白了

按列表中的值拆分Pandas列

1 个答案: