Question

我有一个包含两列的数据框，并想根据另一列的值修改一列。

示例

unit        name
feet        abcd_feet
celcius     abcd_celcius
yard        bcde_yard
yard        bcde

如果单位是feet或yard，并且名称以它结尾，那么我想将其从列中删除。

unit        name
feet        abcd
celcius     abcd_celcius
yard        bcde
yard        bcde

Answer 1

有两种方法可以解决您的问题：

第一种方法，因为熊猫是基于列的，所以速度更快：

UNITS_TO_REMOVE = {'feet', 'yard'}

df['value_'], df['unit_'] = df['name'].str.split('_').str
values_to_clean = (df['unit_'].isin(UNITS_TO_REMOVE)) & (df['unit_'] == df['unit'])
df.loc[values_to_clean, 'name'] = df.loc[values_to_clean, 'value_']
df.drop(columns=['unit_', 'value_'], inplace=True)

这是结果，

    unit    name
0   feet    abcd
1   celcius abcd_celcius
2   yard    bcde
3   yard    bcde

性能：每个循环20 ms±401 µs（平均±标准偏差，运行7次，每个循环100个循环）（在一个（4000，2）数据帧上）

第二种方法，使用Apply（有时有时是唯一可用的解决方案）：

UNITS_TO_REMOVE = {'feet', 'yard'}

def remove_unit(unit, value):
    if unit not in UNITS_TO_REMOVE or '_' not in value:
        return value
    else:
        row_value, row_unit = value.split('_')
        if row_unit == unit:
            return row_value
        else:
            return value

df['name'] = df.apply(lambda row: remove_unit(row['unit'], row['name']), axis=1)

输出：


    unit    name
0   feet    abcd
1   celcius abcd_celcius
2   yard    bcde
3   yard    bcde

性能：每个循环152毫秒±3.95毫秒（平均±标准偏差，共运行7次，每个循环10个循环）

根据其他列值修改数据框列

1 个答案: