Python 如何使用条件从现有列在dataframe中创建新列?
我有一列包含所有数据,看起来像这样(需要分隔的值有一个类似(c)的标记): 我想把它分成两列,如下所示:Python 如何使用条件从现有列在dataframe中创建新列?,python,pandas,dataframe,series,Python,Pandas,Dataframe,Series,我有一列包含所有数据,看起来像这样(需要分隔的值有一个类似(c)的标记): 我想把它分成两列,如下所示: London UK Wales UK Liverpool UK Chicago US New York US San Francisco US Seattle US Sydney Australia Perth Australia 问题2:如果这些国家没
London UK
Wales UK
Liverpool UK
Chicago US
New York US
San Francisco US
Seattle US
Sydney Australia
Perth Australia
问题2:如果这些国家没有类似(c)的模式,该怎么办?
extract
和ffill
从extract
和ffill
开始,然后删除冗余行
df['country'] = (
df['data'].str.extract(r'(.*)\s+\(c\)', expand=False).ffill())
df[~df['data'].str.contains('(c)', regex=False)].reset_index(drop=True)
data country
0 London UK
1 Wales UK
2 Liverpool UK
3 Chicago US
4 New York US
5 San Francisco US
6 Seattle US
7 Sydney Australia
8 Perth Australia
在哪里,
df['data'].str.extract(r'(.*)\s+\(c\)', expand=False).ffill()
0 UK
1 UK
2 UK
3 UK
4 US
5 US
6 US
7 US
8 US
9 Australia
10 Australia
11 Australia
Name: country, dtype: object
模式“(.*)\s+\(c\)”
匹配格式为“country(c)”的字符串并提取国家名称。任何与此模式不匹配的内容都将替换为NaN,因此您可以方便地对行进行正向填充
拆分
与np.where
和ffill
这在“(c)”上分开
您可以首先使用定位以(c)
结尾的城市,提取国家名称,并填充新的国家列
相同的提取匹配可用于定位要删除的行,即以下行:
您可以执行以下操作:
data = ['UK (c)','London','Wales','Liverpool','US (c)','Chicago','New York','San Francisco','Seattle','Australia (c)','Sydney','Perth']
df = pd.DataFrame(data, columns = ['city'])
df['country'] = df.city.apply(lambda x : x.replace('(c)','') if '(c)' in x else None)
df.fillna(method='ffill', inplace=True)
df = df[df['city'].str.contains('\(c\)')==False]
输出
+-----+----------------+-----------+
| | city | country |
+-----+----------------+-----------+
| 1 | London | UK |
| 2 | Wales | UK |
| 3 | Liverpool | UK |
| 5 | Chicago | US |
| 6 | New York | US |
| 7 | San Francisco | US |
| 8 | Seattle | US |
| 10 | Sydney | Australia |
| 11 | Perth | Australia |
+-----+----------------+-----------+
您也可以与一起使用:
str包含查找(c)
,如果存在,则该索引将返回True。如果此条件为真,则国家值将通过endswith
和ffill
+str.strip
df['country']=df.loc[df.city.str.endswith('(c)'),'city']
df.country=df.country.ffill()
df=df[df.city.ne(df.country)]
df.country=df.country.str.strip('(c)')
extract(“(.*)\s+\(c\)”
将您从.str.strip()
中保存。如果国家/地区没有类似(c)的模式,该怎么办?@Tsatsa在这种情况下,您可能需要建立一个国家/地区列表,使用isin
这是一个有点有趣的字符串操作问题,按照这个标签的通常标准,这是一个相对体面的问题,带有样本数据和明确指定的预期输出。我不是在抱怨\_(ツ)_/¯
data = ['UK (c)','London','Wales','Liverpool','US (c)','Chicago','New York','San Francisco','Seattle','Australia (c)','Sydney','Perth']
df = pd.DataFrame(data, columns = ['city'])
df['country'] = df.city.apply(lambda x : x.replace('(c)','') if '(c)' in x else None)
df.fillna(method='ffill', inplace=True)
df = df[df['city'].str.contains('\(c\)')==False]
+-----+----------------+-----------+
| | city | country |
+-----+----------------+-----------+
| 1 | London | UK |
| 2 | Wales | UK |
| 3 | Liverpool | UK |
| 5 | Chicago | US |
| 6 | New York | US |
| 7 | San Francisco | US |
| 8 | Seattle | US |
| 10 | Sydney | Australia |
| 11 | Perth | Australia |
+-----+----------------+-----------+
mask = df['places'].str.contains('(c)', regex = False)
df['country'] = np.where(mask, df['places'], np.nan)
df['country'] = df['country'].str.replace('\(c\)', '').ffill()
df = df[~mask]
df
places country
1 London UK
2 Wales UK
3 Liverpool UK
5 Chicago US
6 New York US
7 San Francisco US
8 Seattle US
10 Sydney Australia
11 Perth Australia
df['country']=df.loc[df.city.str.endswith('(c)'),'city']
df.country=df.country.ffill()
df=df[df.city.ne(df.country)]
df.country=df.country.str.strip('(c)')