使用 pandas str.split，其中出现需要是 pandas 列的值

Question

在弄清楚 pandas str.split 时遇到一些麻烦。出现的位置来自列值，而不是为要拆分的字符串放置一个静态值。我环顾四周寻找类似类型的问题，但大多数似乎只是采用静态方法来解决问题。

下面我有数据框。.str.split('|',1).str[-1] 将在管道 ('|') 第一次出现时删除字符串的左侧部分。这种静态方法将在整个系列中执行相同的操作。因为 occurrence 参数不会改变。

我想要发生的事情： .str.split('|', df['occurrence'] ).str[-1] 可以是动态的并利用出现列中的值并用作 str.split 出现争论。如果值为零或更小，则不会对字符串采取任何操作。

lambda 语句实际上工作并正确执行，但是，它从字符串的右侧开始，根据管道之间的值拆分和连接。但最后的结局是好的。不同的方法。我只是不能让它从字符串的左侧做同样的事情。

最后一点：删除需要从字符串的左边开始。

#-------------------

import pandas as pd

from pandas import DataFrame, Series

import numpy as np

data_1 = {'occurrence': [7,2,0,3,4,0],

        'string': ['1|2|3|4|5|6|7|8|9|10|11|12','10|11.2|12.2|13.6|14.7','1|2|3',

                   '1|2|3|4|5|6|7|8','1|2.4|3|4.6|5|6.2|7|8.1','1|2|3|4|5'] }

df = pd.DataFrame(data_1)

df['string'] = df['string'].str.split('|',1).str[-1]  # Works but is static only

# df['string'] = df['string'].str.split('|',df['occurrence']).str[-1]  # Trying to use occurrence 

                                                                       # column value as argument

# Does work BUT starts with right side of string. Needs to be left.

# df['string'] = df.apply(lambda x: '|'.join(x['string'].split('|')[:x.occurrence - 2]), axis=1) 

print(df)

#-------------------

Start with:                                        What I would like:

occurrence   string                                occurrence    string   

7            1|2|3|4|5|6|7|8|9|10|11|12            7             8|9|10|11|12

2            10|11.2|12.2|13.6|14.7                2             12.2|13.6|14.7 

0            1|2|3                                 0             1|2|3 

3            1|2|3|4|5|6|7|8                       3             4|5|6|7|8 

4            1|2.4|3|4.6|5|6.2|7|8.1               4             5|6.2|7|8.1

0            1|2|3|4|5                             0             1|2|3|4|5

如果您能为我解决这个问题提供有关此主题的任何帮助，我将不胜感激。一如既往，您的时间很宝贵，我为此感谢您。

Answer 1

用于围绕 delimiterSeries.str.split拆分列，然后使用列表理解压缩拆分列并处理值：string|zipoccurencedf['string'] = ['|'.join(s[i:]) for i, s in zip(df['occurrence'], df['string'].str.split('|'))]结果：print(df)   occurrence          string0           7    8|9|10|11|121           2  12.2|13.6|14.72           0           1|2|33           3       4|5|6|7|84           4     5|6.2|7|8.15           0       1|2|3|4|5性能（使用 测量timeit）：df.shape(60000, 2)%%timeit -n10_ = ['|'.join(s[i:]) for i, s in zip(df['occurrence'], df['string'].str.split('|'))]67.9 ms ± 2.05 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)%%timeit -n10 (using 'apply')_ = df.apply(lambda x: '|'.join(x['string'].split('|')[x.occurrence:]), axis=1)1.93 s ± 34.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

尝试将您的 lambda 表达式更改为：df.apply(lambda x: '|'.join(x['string'].split('|')[x.occurrence:]), axis=1)如果你想要后面的元素（右侧），你应该从出现作为索引开始。结果：0      8|9|10|11|121    12.2|13.6|14.72             1|2|33         4|5|6|7|84       5|6.2|7|8.15         1|2|3|4|5

Answer 3

一种有点非正统的方法：从中构建一个正则表达式df['occurrence']并使用它来匹配：df['regex'] = df['occurrence'].map(lambda o: '^' + r'(?:[^|]*\|)'*o + r'(.*)$')   df['regex']0    ^(?:[^|]*\|)(?:[^|]*\|)(?:[^|]*\|)(?:[^|]*\|)(...1                         ^(?:[^|]*\|)(?:[^|]*\|)(.*)$2                                               ^(.*)$3              ^(?:[^|]*\|)(?:[^|]*\|)(?:[^|]*\|)(.*)$4    ^(?:[^|]*\|)(?:[^|]*\|)(?:[^|]*\|)(?:[^|]*\|)(...5                                               ^(.*)$Name: regex, dtype: object现在只适用re.match于每一行：df.apply(lambda row: re.match(row['regex'], row['string']).group(1), axis=1) 0      8|9|10|11|121    12.2|13.6|14.72             1|2|33         4|5|6|7|84       5|6.2|7|8.15         1|2|3|4|5dtype: object