Question

我有一个pandas数据框列（系列），其中包含指向另一列的字符串元素内单个感兴趣字符的索引。有没有一种方法可以像矢量dataframe ['name']。str。*函数一样，基于索引列以向量化方式访问这些感兴趣的字符？ [edit：参见下面的评论] 如果不是（或者说真的），您会说这里首选的方法是什么？

[编辑：正如jpp指出的那样，这个假设是错误的，但是为了可追溯性，我将其保留在这里]

我试图避免不必要的冗长，例如使用map来应用翻译功能，或者必须构造单独的索引配方（例如包含索引的字典）以执行类似的操作

myDataFrame['myDesiredResult'] = 
    myDataFrame['myStrCol'].apply(myCharacterExtractionFunction, myIndexingRecipe)

我更愿意坚持使用numpy和pandas，并且尽可能不加入更多模块。

数据的外观说明：

     myStrCol  myIndices  myDesiredResult
0    ABC       1          B
1    DEF       0          D
2    GHI       2          I

另外，为了理解numpy数组在熊猫包装程序中的实际行为，可能有用的是，如果有人可以解释一下，使包含索引的单独numpy数组是否有所作为，那将是很好的选择，像这样：

import pandas
import numpy

myPandasStringSeries = pandas.Series(['ABC', 'DEF', 'GHI'])
myPandasStringSeries
    0    ABC
    1    DEF
    2    GHI

myNumpyIndexArray = numpy.array([1, 0, 2])
myNumpyIndexArray
    array([1, 0, 2])

在我看来，我想要的与this suggestion类似，涉及子字符串，但是似乎还没有解决方案。除此之外，我发现的所有内容都与Series.str方法有关，该方法对Series的所有元素使用 same参数进行操作，

myDataFrame['newColumn'] = myDataFrame['oldColumn'].str.split('_').str.get(0)

Answer 1

我是否可以根据以下方式访问这些感兴趣的角色以向量化的方式编制索引列，类似于 dataframe['name'].str.*个功能？

这里有一个误会。尽管有文档说明，但pd.Series.str方法在常规意义上不是不向量化的。它们在高层循环中运行，通常反映Python内置的str方法中的功能。

实际上，在处理存储在Pandas数据帧中的字符串时，pd.Series.str方法通常性能不佳。方便的语法不应被视为对底层实现进行矢量化处理的标志。 dtype为object的系列通常是这种情况。

一种方法是使用列表理解：

df['myDesiredResult'] = [i[k] for i, k in zip(df['myStrCol'], df['myIndices'])]

根据序列或数组中的索引访问熊猫字符串列字符

1 个答案: