Question

我有一个数据集，如下所示：

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

我需要迭代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
...

我有这段代码：

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

打印截断值，但是，如果我检查df的头部，它仍然具有旧值：

   > df['B'].head()

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

我做错了什么？

Answer 1

在您的代码中，您循环遍历数据框B列中的项目，但您无法将索引重新编入原始数据框。具体来说，行：

df['B'][item] = item_v，

没有做你想做的事。它在B列中放置一个新项目，索引为item。如果您使用较小的数据帧进行尝试，您可能会在帧的末尾看到一些奇数值。当我尝试这个时，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，此行不会将值插入到您期望的数据框中。当您查看df['B']时，您只会看到新元素。如果仅查看df，您将看到没有额外项目的原始数据框。

正确的方法是在数据框中设置元素是使用.loc[]，如：

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

这仍然没有解决原始问题，即如何获得正确的索引。原始代码的一个修复是为列表中的B列中的每个项目累积值，然后将其分配回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，还有一些解决方案不需要直接迭代B列中的项目。

例如，您可以使用.where()仅替换长度超过4个字符的字符串以及.str函数来操作文本元素。这一个班轮将完成这项工作：

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

如果字符为4个或更少字符，则此语句创建一个包含B列中项目的系列，如果长度超过4个字符，则创建包含B列中项目的切片[1：5]。然后指定此系列替换df中的B列。

Answer 2

最简单快捷的方法是使用Pandas str.get()功能并为所需结果创建另一列。

解决方案＃1 如果B中的值为整数[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，如果您不需要，可以删除B列。

解决方案＃2 如果B中的值为字符串['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，如果您不需要，可以删除B列。

迭代一列并用提取的字符串替换值[Pandas]

2 个答案: