Python 熊猫：借助字典将变量子字符串从A列插入B列

我有一个

pandas

dataframe：

df = pd.DataFrame(["LONG AAPL 2X CBZ","SHORT GOOG 10X VON"], columns=["Name"])

我想在

名称

列中标识

“AAPL”

，通过字典

“AAPL”：“Apple”

，然后将其插入新列

说明

中的字符串中

期望输出：

Name                   Description
"LONG AAPL 2X CBZ"     "Tracks Apple with 2X leverage."
"SHORT GOOG 10X VON"   "Tracks Google with -10X leverage."

我遇到的问题是在另一个字符串中输入一个变量子字符串，如

“使用Y杠杆跟踪X。”

如果我不必这样做，只需从

name

提取到

description

即可：

df["Description"] = df["Name"].str.extract(r"\s(\S+)\s").map({"AAPL":"Apple", "GOOG":"Google"})

或者提取杠杆：

df["Description"] = df["Name"].str.extract(r"(\d+X)")

如果可能的话，我想使用

regex

来提取变量，因为实际上我会做一些更详细的regex，例如检索不同格式的乘法器，例如

X2

，

2x

等等

注意：我可能需要设置另一列来通知杠杆是正还是负，并使用该列来决定是否将

“-”

作为

-10X杠杆追加到乘数前面。

df["direction"] = df["name"].map(lambda x: "Long" if "LONG" in x else "Short" if "SHORT " in x else "Long")

Name                   Direction      Description
"LONG AAPL 2X CBZ"     "Long"         "Tracks Apple with 2X leverage."
"SHORT GOOG 10X VON"   "Short"        "Tracks Google with -10X leverage."

---

您可以定义一个显式函数来应用于整个

Name

系列

df = pd.DataFrame(["LONG AAPL 2X CBZ","SHORT GOOG 10X VON"], columns=["Name"])

dmap = {"AAPL":"Apple", "GOOG":"Google"}
signmap = {"LONG": "", "SHORT": "-"}

def f(strseries):
    company = strseries.str.extract(r"\s(\S+)\s").map(dmap)
    leverage = strseries.str.extract(r"(\d+X)")
    sign = strseries.str.extract(r"(\S+)\s").map(signmap)
    return "Tracks " + company + " with " + sign + leverage + " leverage."

df['Description'] = f(df['Name'])

编辑：一次完成正则表达式提取大约可以提高2倍的速度，但要牺牲一些可读性

def f2(strseries):
    sub_df = strseries.str.extract('(?P<sign>\S+)\s(?P<company>\S+)\s(?P<leverage>\d+X)')
    return "Tracks " + sub_df.company.map(dmap) + " with " + sub_df.sign.map(signmap) + sub_df.leverage + " leverage."

df['Description'] = f2(df['Name'])

def f2（标准系列）：
sub_df=strseries.str.extract（“（？P\S+）\S（？P\S+）\S（？P\d+X）”
返回带有“+sub_-df.sign.map（signmap）+sub_-df.leverage+”的“Tracks”+sub_-df.company.map（dmap）+”
df['Description']=f2（df['Name']）

因为我们只关心前两个子字符串和后两个子字符串：

df = pd.DataFrame(["LONG AAPL 2X CBZ", "SHORT GOOG 10X VON", "BULL AXP UN X3 VON","LONG AXP X3 VON"], columns=["Name"])

maps = {"AAPL": "Apple", "GOOG": "Google"}
signs = {"SHORT": "-"}

def split(i):
    spl = i.split()
    a, b, c = spl[0], spl[1], spl[-2]
    val = maps.get(b, b) # if name is not to be replaced keep original
    return "Tracks  {} with {}{} leverage".format(val, signs.get(a, ""), c)

df["Description"]  = df["Name"].map(split)

输出：

                 Name                        Description
0    LONG AAPL 2X CBZ     Tracks  Apple with 2X leverage
1  SHORT GOOG 10X VON  Tracks  Google with -10X leverage
2  BULL AXP UN X3 VON       Tracks  AXP with X3 leverage
3     LONG AXP X3 VON       Tracks  AXP with X3 leverage

仅拆分比使用正则表达式更有效：

In [33]: df2 = pd.concat([df]*10000)
In [34]: timeit  df2["Name"].map(split)
10 loops, best of 3: 57.5 ms per loop

In [35]: timeit f2(df2['Name'])
10 loops, best of 3: 168 ms per loop

---

如果您想添加更多的单词来替换，只需将它们添加到地图中，并使用符号来替换。

是否应该是

“LONG AAPL 2X CBZ”

？谢谢，更正了数据框。这不能正确处理问题中描述的杠杆符号。@abeboparebop，我错过了那一部分，但这对我来说是微不足道的implement@PadraicCunningham如果中间有更多的文本怎么办？对于

BULL AXP UN X3 VON

我得到：

ValueError:太多的值无法解包

。不幸的是，这会有很大的变化，这使得按空格拆分很困难。@Winterflags，我们可以使用带有findall的正则表达式，我将进行编辑，当您没有带有AAPL或GOOG的行时，您希望发生什么？然后我们可以再次拆分！这个名字总是一个单词吗？我想使用这个解决方案，因为正则表达式对于许多不同的情况来说更加健壮。但是，如果在

dmap

中没有匹配项，我如何让它将

\s（\s+）\s

写为

公司

？类似于：

val=maps.get（b，b）；返回“使用{}{}杠杆跟踪{}”。格式（val，signs.get（a，“”），c）