我有一个包含两列的数据框,我想根据另一列的值修改一列。
例子
unit name
feet abcd_feet
celcius abcd_celcius
yard bcde_yard
yard bcde
如果单位是 feet 或 yard 并且名称以它结尾,那么我想将它从列中删除。
unit name
feet abcd
celcius abcd_celcius
yard bcde
yard bcde
请您参考如下方法:
有两种可能的方法可以解决您的问题:
第一种方法,速度更快,因为 pandas 是基于列的:
UNITS_TO_REMOVE = {'feet', 'yard'}
df['value_'], df['unit_'] = df['name'].str.split('_').str
values_to_clean = (df['unit_'].isin(UNITS_TO_REMOVE)) & (df['unit_'] == df['unit'])
df.loc[values_to_clean, 'name'] = df.loc[values_to_clean, 'value_']
df.drop(columns=['unit_', 'value_'], inplace=True)
这是结果,
unit name
0 feet abcd
1 celcius abcd_celcius
2 yard bcde
3 yard bcde
性能:每个循环 20 毫秒 ± 401 微秒(7 次运行的平均值 ± 标准偏差,每次 100 次循环)(在 (4000, 2) 数据帧上)
第二种方法,使用应用(有时是唯一可用的解决方案):
UNITS_TO_REMOVE = {'feet', 'yard'}
def remove_unit(unit, value):
if unit not in UNITS_TO_REMOVE or '_' not in value:
return value
else:
row_value, row_unit = value.split('_')
if row_unit == unit:
return row_value
else:
return value
df['name'] = df.apply(lambda row: remove_unit(row['unit'], row['name']), axis=1)
输出:
unit name
0 feet abcd
1 celcius abcd_celcius
2 yard bcde
3 yard bcde
性能:每次循环 152 毫秒 ± 3.95 毫秒(7 次运行的平均值 ± 标准偏差,每次 10 次循环)
