Question

我有一个数据框，其中包含一些如下所示的列，其中包含不同大小的数组：

column
["a_id","b","c","d"]
["d_ID","e","f"]
["h","i","j","k","l"]
["id_m","n","o","p"]
["ID_q","r","s"]

如果第一项包含＆＃34; ID＆＃34;我希望从每行的数组中删除第一项。或＆＃34; id＆＃34;。因此，预期输出将如下所示：

column
["b","c","d"]
["e","f"]
["h","i","j","k","l"]
["n","o","p"]
["r","s"]

我们如何在包含数据框中的数组元素的列中检查这个？

Answer 1

编辑：我似乎误解了你的问题。此解决方案旨在删除中包含'id'的任何元素，而不仅仅是第一个。

选项1
我认为最直接的解决方案是使用apply：

df

               col
0  [a_id, b, c, d]
1     [d_ID, e, f]
2  [h, i, j, k, l]
3  [id_m, n, o, p]
4     [ID_q, r, s]


df.col = df.col.apply(lambda y: (y[1:] if 'id' in y[0].lower() else y))

df
               col
0        [b, c, d]
1           [e, f]
2  [h, i, j, k, l]
3        [n, o, p]
4           [r, s]

选项2
或者，使用列表理解：

df.col = [(y[1:] if 'id' in y[0].lower() else y)  for y in df.col]  

df

               col
0        [b, c, d]
1           [e, f]
2  [h, i, j, k, l]
3        [n, o, p]
4           [r, s]

<强>计时

df = pd.concat([df] * 100000)

%%timeit
m = df['col'].str[0].str.contains('ID', case=False)
df['col'].mask(m, df['col'].str[1:])

1 loop, best of 3: 917 ms per loop

%timeit [(y[1:] if 'id' in y[0].lower() else y)  for y in df.col]  
1 loop, best of 3: 272 ms per loop

%timeit df.col.apply(lambda y: (y[1:] if 'id' in y[0].lower() else y))
1 loop, best of 3: 309 ms per loop

Answer 2

使用str[0]选择列表中的第一个值，然后按contains检查ID：

m = df['column'].str[0].str.contains('ID', case=False)
print (m)
0     True
1     True
2    False
3     True
4     True
Name: column, dtype: bool

然后使用str[1:]

将其移至mask

df['column'] = df['column'].mask(m, df['column'].str[1:])
print (df)
            column
0        [b, c, d]
1           [e, f]
2  [h, i, j, k, l]
3        [n, o, p]
4           [r, s]

Python pandas dataframe：在数组列中，如果第一项包含特定字符串，则从数组

2 个答案: