如何从Colum B的字符串中删除Colum A的字符串

Question

如果您有两列（A ='Name'，B ='Name_Age'），那么是否有一种快速方法可以从'Name_Age'中删除'Name'，因此您可以快速获得'Age'，就像反向级联？？

我曾经考虑过“字符串拆分”，但是在某些情况下（当没有字符串拆分因子时），我确实需要一种从另一列中删除一列字符串的方法。

@property

Answer 1

您可以尝试使用pandas apply函数，该函数可让您定义要传递给数据帧每一行的函数：

def age_from_name_age(name, name_age):
    return name_age.replace(name, '').strip()

df['Age'] = df.apply(lambda x: age_from_name_age(x['Name'], x['Name_Age']),
                     axis='columns')

age_from_name_age接受两个字符串（一个名称和一个name_age），并仅返回年龄。然后，在apply语句中，我定义了一个匿名lambda函数，该函数只接受一行并将正确的字段传递给age_from_name_age。

Answer 2

使用字符串切片：

df['Age'] = df.apply(lambda row: row['Name_Age'][len(row['Name']):], axis=1).astype(int)

Answer 3

您可以使用str.split()使用空格分隔符将值与列名分开，然后使用新名称重命名该列。

1）使用str.split()

>>> df['Name_Age'].str.split(" ", expand=True).rename(columns={0:'Name', 1:'Age'})
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

OR

>>> df = df['Name_Age'].str.split(" ", expand=True).rename(columns={0:'Name', 1:'Age'})
>>> df
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

或，通过将拆分后的列表转换为新的数据帧：

>>> pd.DataFrame(df.Name_Age.str.split().tolist(), columns="Name Age".split())
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

2）使用str.partition

的另一种选择

>>> df['Name_Age'].str.partition(" ", True).rename(columns={0:'Name', 2:'Age'}).drop(1, axis=1)
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

3）另一个将df.assign与lambda一起使用

按如下所示将split()与默认分隔符一起使用，并用新列Age赋值。

>>> df.assign(Age = df.Name_Age.apply(lambda x: x.split()[1]))
      Name    Name_Age Age
0     Mark     Mark 14  14
1     Matt     Matt 29  29
2  Michael  Michael 18  18

OR

>>> df.Name_Age.apply(lambda x: pd.Series(str(x).split())).rename({0:"Name",1:"Age"}, axis=1)
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18