Question

我正在使用大型df（接近2百万行），需要从另一个创建一个新列。这个任务看起来很简单：名为“PTCODICEFISCALE”的起始列包含一个由11个16个字符组成的字符串，没有其他可能性，没有NaN。我必须创建的新列（“COGNOME”）必须包含“PTCODICEFISCALE”的3个第一个字符，只要“PTCODICEFISCALE”第n行的长度为16;否则，当长度为11时，新列应该不包含任何内容，这意味着“NaN”。

我试过这个：

csv.loc[len(csv['PTCODICEFISCALE']) == 16, 'COGNOME'] = csv.loc[csv.PTCODICEFISCALE.str[:3]]

在输出中出现此错误消息：

ValueError: cannot index with vector containing NA / NaN values

我不明白。我确信“PTCODICEFISCALE”栏目中没有NA / NaN。

有任何帮助吗？谢谢！

P.S。：“csv”是DataFrame的名称

Answer 1

我认为您需要numpy.where并且条件为str.len：

csv['COGNOME'] = np.where(csv.PTCODICEFISCALE.str.len() == 16, csv.PTCODICEFISCALE.str[:3], np.nan)

样品：

csv = pd.DataFrame({'PTCODICEFISCALE':['0123456789123456','1','01234567891234']})
print (csv)
    PTCODICEFISCALE
0  0123456789123456
1                 1
2    01234567891234

csv['COGNOME'] = np.where(csv.PTCODICEFISCALE.str.len() == 16, csv.PTCODICEFISCALE.str[:3], np.nan)

print (csv)
    PTCODICEFISCALE COGNOME
0  0123456789123456     012
1                 1     NaN
2    01234567891234     NaN

Pandas新列作为字符串提取另一个仅针对字符串长度的特定条件验证：快速方式

1 个答案: