Skip to main content
 首页 » 编程设计

python之通过字符串前缀加入 Pandas 数据帧

2024年11月24日35dudu

我正在寻找一种有效的方法来对两个 pandas.DataFrames 执行以下连接:

第一个包含在 A 列中的字符串如下:

A  .... 
 
Spam|One 
Spam|Two 
Ham 
Eggs 

第二个是引用表,以字符串键为索引,有文字说明:

index      description 
Spam       "..." 
Ham        "..."  
Eggs       "...." 
BakedBeans "...." 

索引中的每个键都可以是A 中字符串的前缀。现在我想将描述列连接到 A 列,其中 A 中的值与前缀匹配。我有一种感觉,它有一个高效的 p​​andas one-liner...

我们可以假设 A 中的所有值都具有“prefix|suffix”或“prefix”格式。也许这可以加快速度。

请您参考如下方法:

使用Series.str.split选择列表的第一个值和 Series.map按系列:

print (df1) 
          A 
0  Spam|One 
1  Spam|Two 
2       Ham 
3      Eggs 
 
print (df2)   
     description 
Spam         aaa 
Ham           sd 
Eggs         rty 
 
print (df2.index) 
Index(['Spam', 'Ham', 'Eggs'], dtype='object') 
 
df1['description'] = df1['A'].str.split('|').str[0].map(df2['description']) 
print (df1) 
          A description 
0  Spam|One         aaa 
1  Spam|Two         aaa 
2       Ham          sd 
3      Eggs         rty 

更通用的解决方案应该是Series.str.extract , ^ 用于提取起始字符串,join 由 | 用于正则表达式 OR 由 df2.index:

pat = '(' + '|'.join('^' + df2.index) + ')' 
df1['new'] = df1['A'].str.extract(pat,expand=False).map(df2['description'])