从熊猫现有的df创建新的df - python

Question

从只有 1 列名为 val 的现有数据框创建新数据框的优化 Pandas 命令应该是什么，并进行以下转换。

输入：

1_2_3
1_2_3_4
1_2_3_4_5

输出：

2
2_3
2_3_4

删除第一个下划线之前的所有内容（包括 _）并删除最后一个 _ 之后的所有内容（包括 _）

Answer 1

您可以将 str.replace 与正则表达式一起使用，该正则表达式匹配直到并包括第一个 _ 以及从最后一个 _ 到字符串末尾的字符，将这两个部分都替换为空：

df['val'] = df['val'].str.replace('^[^_]*_(.*)_[^_]*$', r'\1')

输出：

     val
0      2
1    2_3
2  2_3_4

如果您想在新数据框中使用该单列，可以使用 to_frame 将其转换为一列：

df2 = df['val'].str.replace('^[^_]*_(.*)_[^_]*$', r'\1').to_frame()

Answer 2

拆分后使用 str 切片的另一种方法：

df['val'].str.split("_").str[1:-1].str.join("_")

0        2
1      2_3
2    2_3_4

Answer 3

通过字符串 r1 开头和字符串 r2 结尾之间的字符分割字符串

其中 r1=digit_ 和 r2=_digit

df.a.str.split('(?<=^\d\_)(.*?)(?=\_\d+$)').str[1]

Answer 4

您可以使用 _ 和 str.find 找到第一个和最后一个 str.rfind，然后您可以从中获取子字符串。

df['val'] = [x[x.find('_')+1:x.rfind('_')] for x in df['val']]

输出：

     val
0      2
1    2_3
2  2_3_4

Answer 5

您可以使用 replace 方法来完成

df.vals = df.vals.str.replace(r'^1_', '').str.replace(r'_\d$', '')

我传递了 2 个正则表达式，第一个找到子字符串 1_ 并用空字符串替换它，第二个找到带有下划线的子字符串，后跟字符串末尾的数字（这就是“$”的意思）带有一个空字符串。

Answer 6

与正则表达式相关的问题总是很有趣。

我再放一个。这是str.extract：

df['new_val'] = df['val'].str.extract('_(.+)_')

输出：

         val  new_val
0      1_2_3        2
1    1_2_3_4      2_3
2  1_2_3_4_5    2_3_4