Python 使用split在dataframe中填充列

我正在处理文本数据，我只想在现有列的基础上填充一个新列

示例：列

sourceencoded

可能具有类似

a.b.c

的值，如果有第二部分可用，我只想提取字符串的第二部分

b

。以下是一些示例值：

sourceEncodedID    Branch    
a.b.c               b    
c.r.d               r    
a                   a    
p                   p

为了实现这一点，我提出了以下代码：

for i in range(0,20350):
    if len(str(artifacts.sourceEncodedID[i]).split('.')) > 1:
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i]).split('.')[1]
    else:
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i])

数据帧中只有20k行，但这段代码需要几分钟才能执行，然后再也没有完成，浏览器也没有响应（我正在使用

ipython笔记本

）。我本以为这会在几秒钟内完成

---

这段代码中是否有明显的愚蠢之处，我无法理解？如何修复它？

更新2:-我相信这会更快一些：

x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1')

20K DF上的定时：

In [155]: x.shape
Out[155]: (20000, 2)

In [156]: %timeit x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1')
10 loops, best of 3: 127 ms per loop

更新：

In [68]: x['new'] = x.sourceEncodedID

In [69]: x
Out[69]:
  sourceEncodedID Branch    new
0           a.b.c      b  a.b.c
1           c.r.d      r  c.r.d
2               a      a      a
3               p      p      p

In [70]: x.ix[x.sourceEncodedID.str.contains('\.'), 'new'] = x.sourceEncodedID.str.split('\.', expand=True)[1]

In [71]: x
Out[71]:
  sourceEncodedID Branch new
0           a.b.c      b   b
1           c.r.d      r   r
2               a      a   a
3               p      p   p

首先处理熊猫数据帧时，始终尝试找到矢量化解决方案。只有在绝对不可能的情况下，再仔细检查它，然后再尝试循环通过的方法，因为它会慢几个数量级

旧答案：

In [68]: x['new'] = x.sourceEncodedID

In [69]: x
Out[69]:
  sourceEncodedID Branch    new
0           a.b.c      b  a.b.c
1           c.r.d      r  c.r.d
2               a      a      a
3               p      p      p

In [70]: x.ix[x.sourceEncodedID.str.contains('\.'), 'new'] = x.sourceEncodedID.str.split('\.', expand=True)[1]

In [71]: x
Out[71]:
  sourceEncodedID Branch new
0           a.b.c      b   b
1           c.r.d      r   r
2               a      a   a
3               p      p   p

试试这个：

In [61]: x.sourceEncodedID.str.split('\.', expand=True)[1]
Out[61]:
0       b
1       r
2    None
3    None
Name: 1, dtype: object

---

非常感谢，它成功了。你能指出我代码中不明显的愚蠢之处吗？谢谢你的解释，我很感激！我想这只是有点令人沮丧，因为人们必须了解熊猫的矢量化功能，而回到基本功能需要花费大量时间。我同意矢量化解决方案更简洁，但你必须了解它们。一次一个功能！！