Python 在dataframe的列中的某个位置添加字符串

基本上：

hash = "355879ACB6"
hash = hash[:4] + '-' + hash[4:]
print (hash)
3558-79ACB6

但是对于数据帧

我只能成功地在前后添加字符串，如下所示：

data ['col1'] = data['col1'] + 'teststring'

如果我尝试从上面的链接

[：amountofcharacterstocutafter]

中的解决方案，在某个位置添加值，如下所示：

test = data[:2] + 'zz'
print (test)

它似乎不适用，因为

[：2]

操作符对数据帧的作用与对字符串的作用不同。它在前两行之后剪切输出

目标： 我想在某个位置加一个“-”。假设输入行值为“TTTT1234”，输出应为“TTTT-1234”。对于每一行。

使用。例如：

import pandas as pd
df = pd.DataFrame({
    "c": ["TTTT1234"]
})
df["c"].str[:4] + "-" + df["c"].str[4:] # It will output 'TTTT-1234'

str提供矢量化字符串函数。

使用。例如：

import pandas as pd
df = pd.DataFrame({
    "c": ["TTTT1234"]
})
df["c"].str[:4] + "-" + df["c"].str[4:] # It will output 'TTTT-1234'

---

pd.Series.str提供矢量化字符串函数。

您可以执行列表中显示的操作，但数据帧中有一列，因此它（有点）不同

因此，尽管您可以这样做：

hash = "355879ACB6"
hash = hash[:4] + '-' + hash[4:]

要在数据帧上执行此操作，您至少可以通过两种方式执行：

考虑这个虚拟df：

    LOCATION    Hash
0   USA         355879ACB6
1   USA         455879ACB6
2   USA         388879ACB6
3   USA         800879ACB6
4   JAPAN       355870BCB6
5   JAPAN       355079ACB6

A.矢量化：最有效的原因

df['new_hash']=df['Hash'].str[:4]+'-'+df['Hash'].str[4:]

    LOCATION    Hash        new_hash
0   USA         355879ACB6  3558-79ACB6
1   USA         455879ACB6  4558-79ACB6
2   USA         388879ACB6  3888-79ACB6
3   USA         800879ACB6  8008-79ACB6
4   JAPAN       355870BCB6  3558-70BCB6
5   JAPAN       355079ACB6  3550-79ACB6

B.采用lambda:直观实施，但在性能方面吸引力较小

df['new_hash'] = df.apply(lambda x: x['Hash'][:4]+'-'+x['Hash'][4:], axis=1)

---

您可以执行列表上显示的操作，但数据帧中有一列，因此它（有点）不同

因此，尽管您可以这样做：

hash = "355879ACB6"
hash = hash[:4] + '-' + hash[4:]

要在数据帧上执行此操作，您至少可以通过两种方式执行：

考虑这个虚拟df：

    LOCATION    Hash
0   USA         355879ACB6
1   USA         455879ACB6
2   USA         388879ACB6
3   USA         800879ACB6
4   JAPAN       355870BCB6
5   JAPAN       355079ACB6

A.矢量化：最有效的原因

df['new_hash']=df['Hash'].str[:4]+'-'+df['Hash'].str[4:]

    LOCATION    Hash        new_hash
0   USA         355879ACB6  3558-79ACB6
1   USA         455879ACB6  4558-79ACB6
2   USA         388879ACB6  3888-79ACB6
3   USA         800879ACB6  8008-79ACB6
4   JAPAN       355870BCB6  3558-70BCB6
5   JAPAN       355079ACB6  3550-79ACB6

B.采用lambda:直观实施，但在性能方面吸引力较小

df['new_hash'] = df.apply(lambda x: x['Hash'][:4]+'-'+x['Hash'][4:], axis=1)

---

非常感谢。我用了A，然后删除了旧专栏。谢谢。我使用了A，然后删除了旧列。欢迎使用Stackoverflow。我喜欢你的问题：它们很清楚。你已经接受了下面的答案作为对你问题的适当回答，这非常好。如果一个或多个答案有用，您也可以向上投票。这是他们应得的欢迎来到Stackoverflow。我喜欢你的问题：它们很清楚。你已经接受了下面的答案作为对你问题的适当回答，这非常好。如果一个或多个答案有用，您也可以向上投票。这是他们应得的。