Python 使用Pandas从数据帧中删除部分字符串

如果我有这样一个数据帧：

id    str
01    abc_d(a)
02    ab_d(a)
03    abcd_e(a)
04    a_b(a)

如何获得如下所示的数据帧？对不起，我用这个数据框来表示我真正的问题。谢谢

id    str
01    d
02    d
03    e
04    b

---

使用

提取

df['str']=df['str'].str.extract("\_(.*)\(",expand=True) 
df
Out[585]: 
   id str
0   1   d
1   2   d
2   3   e
3   4   b

---

可能您可以尝试

split

类似于：

或者

使用。特定于您的特定格式

df['str'] = df['str'].str.split('_').str[-1].str[0]

print(df)

   id str
0   1   d
1   2   d
2   3   e
3   4   b

（回答不好）

Series.str.split

soup

---

（回答不那么糟糕）

Series.str.extract

Regex方法带来了相当大的开销，而

str.extract

并不能使事情变得更好

---

（更好的答案）

使用列表组件重新搜索

这结合了两个方面的优点，列表comp的性能和纯python字符串拆分的速度。应该是最快的

---

性能

df_test = pd.concat([df] * 10000, ignore_index=True)

---

又冷了！如果你有时间，你能简单地解释一下，如果答案表达的是相同的结果，那么答案是好的、不好的还是更好的？我是一个初学者，在质量方面看不出有什么直接的区别，但你最好的答案在可读性方面对我来说似乎是最差的（无意冒犯）@sudonym是的，给我一分钟，我再补充一些信息；-）和往常一样，我印象深刻-祝你一天愉快！我不知道你为什么选择

str.split（'（'）.str[0].str.split（'''''）.str[-1]

。这不会使您的答案的其余部分无效，但没有必要让拆分方法看起来更糟。@jpp的可读性不是很好，但根据您的字符串，拆分次数可能会更少。我尝试了，但我只能接受一个答案。当我单击“其他”时，前一个答案会变成灰色。。。

df['str'] = df['str'].str.split('_').str[-1].str[0]

print(df)

   id str
0   1   d
1   2   d
2   3   e
3   4   b

df['str'] = df['str'].str.split('(').str[0].str.split('_').str[-1]    
df

   id str
0   1   d
1   2   d
2   3   e
3   4   b

df['str'] = df['str'].str.extract(r'_([^_]+)\(', expand=False)
df

   id str
0   1   d
1   2   d
2   3   e
3   4   b

import re

p = re.compile(r'(?<=_)[^_]+(?=\()')
df['str'] = [p.search(x)[0] for x in df['str'].tolist()] 
df

   id str
0   1   d
1   2   d
2   3   e
3   4   b

df['str'] = [
    x.split('(', 1)[0].split('_')[1] for x in df['str'].tolist()
]
df

   id str
0   1   d
1   2   d
2   3   e
3   4   b

df_test = pd.concat([df] * 10000, ignore_index=True)

%timeit df_test['str'].str.extract(r'_([^_]+)\(', expand=False)
%timeit df_test['str'].str.split('(').str[0].str.split('_').str[-1] 
%timeit [p.search(x)[0] for x in df_test['str'].tolist()] 
%timeit [x.split('(', 1)[0].split('_')[1] for x in df_test['str'].tolist()]

70.4 ms ± 623 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
99.6 ms ± 730 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
31 ms ± 877 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
30 ms ± 431 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)  # fastest but not by much