获取列中给定的字符串（句子）的第一个字母，并在python中创建一个新列

我在pandas dataframe中有一个列，其中包含如下项：

SubBrand
Sam William Mathew
Jonty Rodes
Chris Gayle

我想创建一个新列（SubBrand_new），例如

我正在使用这段代码

df1["SubBrand_new"] = "".join([x[0] for x in (df1["SubBrand"].str.split())])

---

但是我找不到我想要的。有人能帮忙吗？

您想对每一行应用一个函数，并返回一个新列及其结果。这种操作可以通过

.apply（）

方法应用，一个简单的

=

属性不会起作用。符合代码精神的解决方案是：

df = pd.DataFrame({'Name': ['Marcus Livius Drussus',
                            'Lucius Cornelius Sulla',
                            'Gaius Julius Caesar']})
df['Abrev'] = df.Name.apply(lambda x: "".join([y[0] for y in (x.split())]))

产生

df
    Name                    Abrev
0   Marcus Levius Drussus   MLD
1   Lucius Cornelius Sulla  LCS
2   Gaius Julius Caesar     GJC

编辑：

我将它与另一个解决方案进行了比较，认为使用

join（）

的

apply（）

方法会非常慢。我惊讶地发现它实际上更快。设置：

N = 3000000
bank = pd.util.testing.rands_array(3,N)
vec = [bank[3*i] + ' ' + bank[3*i+1] + ' ' + bank[3*i+2]  for i in range(N/3)]
df = pd.DataFrame({'Name': vec})

我发现：

df.Name.apply(lambda x: "".join([y[0] for y in (x.split())]))
executed in 581ms

df.Name.str.split(expand=True).apply(lambda x : x.str[0]).fillna('').sum(1)
executed in 2.81s

---

您希望对每一行应用一个函数，并返回一个新列及其结果。这种操作可以通过

.apply（）

方法应用，一个简单的

=

属性不会起作用。符合代码精神的解决方案是：

df = pd.DataFrame({'Name': ['Marcus Livius Drussus',
                            'Lucius Cornelius Sulla',
                            'Gaius Julius Caesar']})
df['Abrev'] = df.Name.apply(lambda x: "".join([y[0] for y in (x.split())]))

产生

df
    Name                    Abrev
0   Marcus Levius Drussus   MLD
1   Lucius Cornelius Sulla  LCS
2   Gaius Julius Caesar     GJC

编辑：

我将它与另一个解决方案进行了比较，认为使用

join（）

的

apply（）

方法会非常慢。我惊讶地发现它实际上更快。设置：

N = 3000000
bank = pd.util.testing.rands_array(3,N)
vec = [bank[3*i] + ' ' + bank[3*i+1] + ' ' + bank[3*i+2]  for i in range(N/3)]
df = pd.DataFrame({'Name': vec})

我发现：

df.Name.apply(lambda x: "".join([y[0] for y in (x.split())]))
executed in 581ms

df.Name.str.split(expand=True).apply(lambda x : x.str[0]).fillna('').sum(1)
executed in 2.81s

---

我们可以用展开和求和进行拆分，即

df['SubBrand'].str.split(expand=True).apply(lambda x : x.str[0]).fillna('').sum(1)

0    SWM
1     JR
2     CG
dtype: object

---

我们可以用展开和求和进行拆分，即

df['SubBrand'].str.split(expand=True).apply(lambda x : x.str[0]).fillna('').sum(1)

0    SWM
1     JR
2     CG
dtype: object

---

哈哈，我有完全相同的版本：

df.SubBrand.str.split（expand=True）.apply（lambda c:c.str[0]）.fillna（“”）.sum（1）

，但是你更快了：-DI had

df['Abbrev']=df['Name'].str.split（expand=True）.apply（lambda x:x.str[0]）.apply（“”.join）

但我觉得这样更好+1@EdChum我的第一个解决方案是，因为没有

None

我选择了sumha-ha，所以我的版本完全相同：

df.SubBrand.str.split（expand=True）。apply（lambda c:c.str[0]）。fillna（“”）。sum（1）

，但是你更快了：-DI had

df['Abbrev']=df['Name'].str.split（expand=True）。apply（lambda x:x.str[0]）。应用（“”.join）

但我觉得这样更好+1@EdChum我的第一个解决方案是，既然没有None，我就选择了sum。如果有两个不同的名字，Abrev的名字都是一样的，那么如何解决这个问题？如果名字的首字母相同，你希望输出什么？事实上，当我看到问题是，我的方法是熊猫式的，因为我们扩展了，速度要慢得多，如果有两个不同的名字，阿布列夫的名字都是一样的，如何解决这个问题？如果名字的首字母相同，你想要输出什么？事实上，当我看到这个问题时，我想到的是列表理解，我的方法是熊猫式的因为我们扩展它的速度要慢得多