Question

我的数据在pandas数据框系列中，它是一串用逗号分隔的值，例如。

workid:1234, homeid:4567, schoolid: 6789

该字符串可能包含空值或多个值，并且id号的长度可能可变：

id_numbers
0
1   workid:1234
2   workid:2567, homeid:345, schoolid: 678
3   homeid:567, schoolid: 6789

我希望创建一个仅包含workid:xxxx值的新系列“ workid”。

work_id_numbers
0   
1   workid:1234
2   workid:2567
3

我尝试过

df['id_list'] = df['id_numbers'].str.split(",")

创建列表

id_list
0   
1   [workid:1234]
2   [workid:2567, homeid:345, schoolid: 678]
3   [homeid:567, schoolid: 6789]

我尝试遍历列表以提取workid:xxx值

for num in df['id_list']:
    if num.str.contains("workid", na=False) == True:
        df['work_id_number'] = num

但是我有一个错误：

AttributeError: 'float' object has no attribute 'str'

令我惊讶的是，可能会有多种方法可以解决这个问题，因此我愿意对自己的方法进行更正或选择其他方法。

Answer 1

使用str.extract

df['id_list'] = df['id_numbers'].str.extract("(workid[^\,]*)").fillna("")

# output

            id_numbers                         id_list
0   workid:1234                               workid:1234
1   workid:2567, homeid:345, schoolid: 678    workid:2567
2   homeid:567, schoolid: 6789

Answer 2

具有列表理解力的解决方案：

df['id_list'] = [','.join(y for y in x.split(", ") if y.startswith('workid')) 
                            for x in df['id_numbers'].fillna('')]
print (df)
                               id_numbers      id_list
0                                     NaN             
1                             workid:1234  workid:1234
2  workid:2567, homeid:345, schoolid: 678  workid:2567
3              homeid:567, schoolid: 6789

在熊猫数据框系列中使用逗号分隔的值

2 个答案: