Python 基于来自同一数据帧的其他列的集合为列赋值

对于数据帧，我有一列，名为

TM52\u fail

2
1
-
1 & 2
1 & 2 & 3
-
-
3
etc.

我想创建一个额外的专栏，名为

TM52\u fail\u norm

，它的内容取决于专栏

TM52\u fail

的内容。 我的尝试（包括条件填充）：

---

返回一个空列（我认为这是df['TM52\u fail\u norm']=“”）的结果。

我认为您需要强制转换为字符串，然后将函数

str\u应用于编号

：

df['new'] = df['TM52_fail_norm'].astype(str).apply(str_to_number)
print (df)
  TM52_fail_norm  new
0              2    1
1              1    1
2              -    0
3          1 & 2    2
4      1 & 2 & 3    3
5              -    0
6              -    0
7              3    1

另一个解决方案是通过

dict

，最后需要通过

0

并转换为

int

：

d = {'1':1,'2':1,'3':1,'1 & 2':2, '2 & 3':2, '1 & 3':2,'1 & 2 & 3':3}

df['new'] = df['TM52_fail_norm'].map(d)
df['new'] = df['new'].fillna(0).astype(int)
print (df)
  TM52_fail_norm  new
0              2    1
1              1    1
2              -    0
3          1 & 2    2
4      1 & 2 & 3    3
5              -    0
6              -    0
7              3    1

计时：

#[800000 rows x 1 columns]
df = pd.concat([df]*100000).reset_index(drop=True)

In [315]: %timeit (jez1(df))
10 loops, best of 3: 63 ms per loop

In [316]: %timeit (df['TM52_fail_norm'].astype(str).apply(str_to_number))
1 loop, best of 3: 518 ms per loop

#http://stackoverflow.com/a/40176883/2901002
In [345]: %timeit (df.TM52_fail_norm.str.count('\d+'))
1 loop, best of 3: 707 ms per loop


def jez1(df):
    d = {'1':1,'2':1,'3':1,'1 & 2':2, '2 & 3':2, '1 & 3':2,'1 & 2 & 3':3}

    df['new'] = df['TM52_fail_norm'].map(d)
    df['new'] = df['new'].fillna(0).astype(int)
    return (df)

print (jez1(df))

---

TL；DR:

df.TM52\u fail.str.count（'\d+'）

看起来你真正想要的是数一数数字。这里，pandas的

.str

访问器方法（，）非常有用

我想

TM52_fail

是数据类型

str

；否则，您可以按照@jezrael的建议，使用

.astype（str）

强制转换它：

# setup
import pandas as pd
df = pd.DataFrame({'TM52_fail':[
    "2", "1", "", "1 & 2", "1 & 2 & 3", "", "", "3"]})

# Use regex \d+ to find 1 or more consecutive digits
df['TM52_fail_norm2'] = df.TM52_fail.str.count('\d+')

时间安排

---

非常感谢。我认为第二种解决方案可以更快。是的，在较小的数据帧中速度更快，但在较大的数据帧中速度最慢。请参阅我的计时中的更新。但我认为这是一个很好的解决方案。

# setup
import pandas as pd
df = pd.DataFrame({'TM52_fail':[
    "2", "1", "", "1 & 2", "1 & 2 & 3", "", "", "3"]})

# Use regex \d+ to find 1 or more consecutive digits
df['TM52_fail_norm2'] = df.TM52_fail.str.count('\d+')

Regex: 155 µs per loop
 jez1: 999 µs per loop