Python 这个命令到底在做什么？

这一行代码工作得很完美，但我对它的实际功能不是很了解：

df['New_Column1'], shrink['New_Column2'] = zip(*df['Original_Column'].apply(lambda x: x.split('-', 1)))

这基本上是将一列拆分为一个破折号，该破折号分隔员工ID号和他们的实际姓名（在原始数据中，他们合并在一列中）

这是最有效的方法吗？我该如何向某人描述这一点？我以前从未使用过“zip”功能，我也不是100%使用lambda，但我有时会使用它来更改日期格式。

是的，你是对的，这基本上是将一列拆分为一个破折号，将员工ID号和他们的实际姓名分开（在原始数据中，他们合并在一列中）

我将向您简要介绍一下

zip

和

lambda

的功能：

:

此函数返回元组列表，其中第i个元组包含来自每个参数序列或iterables的第i个元素

示例：

>>> my_list1 = [1, 2, 3, 4, 5]
>>> my_list2 = ['a', 'e', 'i', 'o', 'u']
>>> zip(my_list1, my_list2) #Returns a list of tuples, each tuple has a number corresponding to its number vowel.
[(1, 'a'), (2, 'e'), (3, 'i'), (4, 'o'), (5, 'u')]
>>> 

>>> #Writing a function that squares numbers
>>>
>>> #Long way 
>>> def square(x):
...     return x**2
... 
>>>
>>> #Short way 
>>> square = lambda x: x**2
>>> 

:

可以使用lambda关键字创建小型匿名函数。此函数返回其两个参数之和：lambda，b:a+b

示例：

>>> my_list1 = [1, 2, 3, 4, 5]
>>> my_list2 = ['a', 'e', 'i', 'o', 'u']
>>> zip(my_list1, my_list2) #Returns a list of tuples, each tuple has a number corresponding to its number vowel.
[(1, 'a'), (2, 'e'), (3, 'i'), (4, 'o'), (5, 'u')]
>>> 

>>> #Writing a function that squares numbers
>>>
>>> #Long way 
>>> def square(x):
...     return x**2
... 
>>>
>>> #Short way 
>>> square = lambda x: x**2
>>> 

---

apply

方法为序列的每一行调用lambda函数一次，

df['Original Column']

。为每行调用一次Python函数是一个诀窍 用于慢度（如果序列有多行）。一般来说，要最大限度地提高性能 使用Pandas时，只有在没有其他选项时才使用

apply

方法

在这里使用

zip

会加剧效率低下

zip

返回Python列表 元组数。Python列表和元组比熊猫系列需要更多的空间 当序列中的值为本机NumPy数据类型时。字符串可以是 由本机NumPy数据类型表示，因此将数据保留在一个系列中更为重要 节省空间。因此，如果可能的话，这里应该避免使用

zip

，比如

apply

在这种情况下，您可以代替熊猫的：

屈服

  Original New1 New2
0  abc-def  abc  def
1  abc-def  abc  def
2  abc-def  abc  def
3      foo  foo     

extract

的参数是正则表达式模式。

r'（[^-]*）-？（.*）

具有以下含义：

([^-]*)     match 0-or-more characters other than a literal hyphen
-?          match 0-or-1 literal question mark
(.*)        match 0-or-more of any character

由括号包围的模式定义组，然后由

提取方法