相当于将 R 粘贴到 Python答案

【问题标题】：Equivalent of Paste R to Python相当于将 R 粘贴到 Python
【发布时间】：2014-02-13 01:53:43
【问题描述】：

我是一个新的 python 爱好者。对于 R 用户，有一个功能：粘贴有助于连接数据框中的两个或多个变量。它非常有用。例如假设我有这个数据框：

   categorie titre tarifMin  lieu  long   lat   img dateSortie
1      zoo,  Aquar      0.0 Aquar 2.385 48.89 ilo,0           
2      zoo,  Aquar      4.5 Aquar 2.408 48.83 ilo,0           
6      lieu  Jardi      0.0 Jardi 2.320 48.86 ilo,0           
7      lieu  Bois       0.0 Bois  2.455 48.82 ilo,0           
13     espac Canal      0.0 Canal 2.366 48.87 ilo,0           
14     espac Canal     -1.0 Canal 2.384 48.89 ilo,0           
15     parc  Le Ma     20.0 Le Ma 2.353 48.87 ilo,0

我想创建一个新列，它使用数据框中的另一列和一些文本。使用 R，我会这样做：

> y$thecolThatIWant=ifelse(y$tarifMin!=-1,
+                             paste("Evenement permanent  -->",y$categorie,
+                                   y$titre,"C  partir de",y$tarifMin,"€uros"),
+                             paste("Evenement permanent  -->",y$categorie,
+                                   y$titre,"sans prix indique"))

结果是：

> y
   categorie titre tarifMin  lieu  long   lat   img dateSortie
1      zoo,  Aquar      0.0 Aquar 2.385 48.89 ilo,0           
2      zoo,  Aquar      4.5 Aquar 2.408 48.83 ilo,0           
6      lieu  Jardi      0.0 Jardi 2.320 48.86 ilo,0           
7      lieu  Bois       0.0 Bois  2.455 48.82 ilo,0           
13     espac Canal      0.0 Canal 2.366 48.87 ilo,0           
14     espac Canal     -1.0 Canal 2.384 48.89 ilo,0           
15     parc  Le Ma     20.0 Le Ma 2.353 48.87 ilo,0           
                                                thecolThatIWant
1  Evenement permanent  --> zoo,  Aquar C  partir de  0.0 €uros
2  Evenement permanent  --> zoo,  Aquar C  partir de  4.5 €uros
6  Evenement permanent  --> lieu  Jardi C  partir de  0.0 €uros
7  Evenement permanent  --> lieu  Bois  C  partir de  0.0 €uros
13 Evenement permanent  --> espac Canal C  partir de  0.0 €uros
14 Evenement permanent  --> espac Canal C  partir de -1.0 €uros
15 Evenement permanent  --> parc  Le Ma C  partir de 20.0 €uros

我的问题是：如何在 Python Pandas 或其他模块中做同样的事情？

到目前为止我所尝试的：嗯，我是一个非常新的用户。很抱歉我的错误。我尝试在 Python 中复制该示例，我们假设我得到了类似的东西

table=pd.read_csv("y.csv",sep=",")
tt= table.loc[:,['categorie','titre','tarifMin','long','lat','lieu']]
table
ategorie    titre   tarifMin    long    lat     lieu
0   zoo,    Aquar   0.0     2.385   48.89   Aquar
1   zoo,    Aquar   4.5     2.408   48.83   Aquar
2   lieu    Jardi   0.0     2.320   48.86   Jardi
3   lieu    Bois    0.0     2.455   48.82   Bois
4   espac   Canal   0.0     2.366   48.87   Canal
5   espac   Canal   -1.0    2.384   48.89   Canal
6   parc    Le Ma   20.0    2.353   48.87   Le Ma

我基本上试过了

sc="Even permanent -->" + " "+ tt.titre+" "+tt.lieu
tt['theColThatIWant'] = sc
tt

我得到了这个

    categorie   titre   tarifMin    long    lat     lieu    theColThatIWant
0   zoo,    Aquar   0.0     2.385   48.89   Aquar   Even permanent --> Aquar Aquar
1   zoo,    Aquar   4.5     2.408   48.83   Aquar   Even permanent --> Aquar Aquar
2   lieu    Jardi   0.0     2.320   48.86   Jardi   Even permanent --> Jardi Jardi
3   lieu    Bois    0.0     2.455   48.82   Bois    Even permanent --> Bois Bois
4   espac   Canal   0.0     2.366   48.87   Canal   Even permanent --> Canal Canal
5   espac   Canal   -1.0    2.384   48.89   Canal   Even permanent --> Canal Canal
6   parc    Le Ma   20.0    2.353   48.87   Le Ma   Even permanent --> Le Ma Le Ma

现在，如果没有像 R 中那样的矢量化，我想我必须循环使用条件？

【问题讨论】：

有很多方法可以做到这一点，但由于大多数 python 不是“矢量化”的，它们通常涉及迭代器或某些版本的列表理解。请分享您迄今为止尝试过的方法以及为什么没有奏效。
这里有一些现有的食谱（虽然不包括粘贴）：pandas.pydata.org/pandas-docs/dev/comparison_with_r.html

标签： python r pandas paste

【解决方案1】：

这是一个简单的例子，如何实现这一点（如果我没穿，你想做什么）：

import numpy as np
import pandas as pd

dates = pd.date_range('20130101',periods=6)
df = pd.DataFrame(np.random.randn(6,4),index=dates,columns=list('ABCD'))
for row in df.itertuples():
    index, A, B, C, D = row
    print '%s Evenement permanent  --> %s , next data %s' % (index, A, B)

输出：

>>>df
                   A         B         C         D
2013-01-01 -0.400550 -0.204032 -0.954237  0.019025
2013-01-02  0.509040 -0.611699  1.065862  0.034486
2013-01-03  0.366230  0.805068 -0.144129 -0.912942
2013-01-04  1.381278 -1.783794  0.835435 -0.140371
2013-01-05  1.140866  2.755003 -0.940519 -2.425671
2013-01-06 -0.610569 -0.282952  0.111293 -0.108521

这是什么循环打印： 2013-01-01 00:00:00 晚上永久 --> -0.400550121168 ，下一个数据 -0.204032344442

2013-01-02 00:00:00 Evenement permanent  --> 0.509040318928 , next data -0.611698560541

2013-01-03 00:00:00 Evenement permanent  --> 0.366230438863 , next data 0.805067758304

2013-01-04 00:00:00 Evenement permanent  --> 1.38127775713 , next data -1.78379439485

2013-01-05 00:00:00 Evenement permanent  --> 1.14086631509 , next data 2.75500268167

2013-01-06 00:00:00 Evenement permanent  --> -0.610568516983 , next data -0.282952162792

【讨论】：

我的数据框中没有索引。我试过了，但它不起作用。除此之外，我对一个变量中的值有一个条件来显示不同的值。但是，谢谢

【解决方案2】：

我的答案大致基于原始问题，由 woles 从答案中编辑。我想说明几点：

粘贴是python中的%操作符
使用 apply 您可以创建新值并将其分配给新列

对于 R 人：没有直接形式的 ifelse（但有一些方法可以很好地替换它）。

import numpy as np
import pandas as pd

dates = pd.date_range('20140412',periods=7)
df = pd.DataFrame(np.random.randn(7,4),index=dates,columns=list('ABCD'))
df['categorie'] = ['z', 'z', 'l', 'l', 'e', 'e', 'p']

def apply_to_row(x):
    ret = "this is the value i want: %f" % x['A']
    if x['B'] > 0:
        ret = "no, this one is better: %f" % x['C']
    return ret

df['theColumnIWant'] = df.apply(apply_to_row, axis = 1)
print df

【讨论】：

太棒了。这正是我想要的。但是当我尝试粘贴两个以上的元素时，我遇到了一些问题。看来那是def apply_to_row(x):ret = "this is the value i want: %s" % x['A'] % "euros" 不起作用。我正在寻找其他东西，如果我成功了，我会分享
@GjT 应该是 ret = "这是我想要的值：%s euros" % x['A']
numpy.where 相当于 R 中的 ifelse

【解决方案3】：

对于这种特殊情况，R 中的 paste 运算符最接近 Python 2.6 中添加的 Python 的 format。它比旧的 % 运算符更新且更灵活。

对于不使用 numpy 或 pandas 的纯 Python-ic 答案，这是使用列表列表形式的原始数据的一种方法（这也可以作为 dict 列表完成，但是对我来说似乎更混乱）。

# -*- coding: utf-8 -*-
names=['categorie','titre','tarifMin','lieu','long','lat','img','dateSortie']

records=[[
    'zoo',   'Aquar',     0.0,'Aquar',2.385,48.89,'ilo',0],[
    'zoo',   'Aquar',     4.5,'Aquar',2.408,48.83,'ilo',0],[
    'lieu',  'Jardi',     0.0,'Jardi',2.320,48.86,'ilo',0],[
    'lieu',  'Bois',      0.0,'Bois', 2.455,48.82,'ilo',0],[
    'espac', 'Canal',     0.0,'Canal',2.366,48.87,'ilo',0],[
    'espac', 'Canal',    -1.0,'Canal',2.384,48.89,'ilo',0],[
    'parc',  'Le Ma',    20.0,'Le Ma', 2.353,48.87,'ilo',0] ]

def prix(p):
    if (p != -1):
        return 'C  partir de {} €uros'.format(p)
    return 'sans prix indique'

def msg(a):
    return 'Evenement permanent  --> {}, {} {}'.format(a[0],a[1],prix(a[2]))

[m.append(msg(m)) for m in records]

from pprint import pprint

pprint(records)

结果是这样的：

[['zoo',
  'Aquar',
  0.0,
  'Aquar',
  2.385,
  48.89,
  'ilo',
  0,
  'Evenement permanent  --> zoo, Aquar C  partir de 0.0 \xe2\x82\xacuros'],
 ['zoo',
  'Aquar',
  4.5,
  'Aquar',
  2.408,
  48.83,
  'ilo',
  0,
  'Evenement permanent  --> zoo, Aquar C  partir de 4.5 \xe2\x82\xacuros'],
 ['lieu',
  'Jardi',
  0.0,
  'Jardi',
  2.32,
  48.86,
  'ilo',
  0,
  'Evenement permanent  --> lieu, Jardi C  partir de 0.0 \xe2\x82\xacuros'],
 ['lieu',
  'Bois',
  0.0,
  'Bois',
  2.455,
  48.82,
  'ilo',
  0,
  'Evenement permanent  --> lieu, Bois C  partir de 0.0 \xe2\x82\xacuros'],
 ['espac',
  'Canal',
  0.0,
  'Canal',
  2.366,
  48.87,
  'ilo',
  0,
  'Evenement permanent  --> espac, Canal C  partir de 0.0 \xe2\x82\xacuros'],
 ['espac',
  'Canal',
  -1.0,
  'Canal',
  2.384,
  48.89,
  'ilo',
  0,
  'Evenement permanent  --> espac, Canal sans prix indique'],
 ['parc',
  'Le Ma',
  20.0,
  'Le Ma',
  2.353,
  48.87,
  'ilo',
  0,
  'Evenement permanent  --> parc, Le Ma C  partir de 20.0 \xe2\x82\xacuros']]

请注意，虽然我已经定义了一个列表names，但实际上并没有使用它。可以定义一个字典，其中标题的名称作为键，字段编号（从 0 开始）作为值，但我没有为此费心，试图保持示例简单。

函数prix 和msg 相当简单。唯一棘手的部分是列表解析[m.append(msg(m)) for m in records]，它遍历所有记录，并修改每个记录以附加您通过调用msg 创建的新字段。

【讨论】：

好的。萨克斯。它就是这样工作的；但我认为 Python panda 的 lowtech 版本更适合我的使用。

【解决方案4】：

这是一个适用于列表的简单实现，可能还有其他可迭代对象。警告：它只是经过轻微测试，并且仅在 Python 3.5+ 中：

from functools import reduce

def _reduce_concat(x, sep=""):
    return reduce(lambda x, y: str(x) + sep + str(y), x)
        
def paste(*lists, sep=" ", collapse=None):
    result = map(lambda x: _reduce_concat(x, sep=sep), zip(*lists))
    if collapse is not None:
        return _reduce_concat(result, sep=collapse)
    return list(result)

assert paste([1,2,3], [11,12,13], sep=',') == ['1,11', '2,12', '3,13']
assert paste([1,2,3], [11,12,13], sep=',', collapse=";") == '1,11;2,12;3,13'

你还可以玩得更开心，复制paste0等其他功能：

from functools import partial

paste0 = partial(paste, sep="")

编辑：这是一个Repl.it project，带有此代码的类型注释版本。

【讨论】：

谢谢！这对我来说效果很好。它实际上比我使用的列表理解方法执行得更快。
我认为，通过将这个答案纳入对未来读者不同情况下替代方案的全面审查，您可以获得更多的支持

【解决方案5】：

这非常像 R 中的粘贴命令： R代码：

 words = c("Here", "I","want","to","concatenate","words","using","pipe","delimeter")
 paste(words,collapse="|")

[1]

“这里|我|想要|到|连接|单词|使用|管道|分隔符”

Python：

words = ["Here", "I","want","to","concatenate","words","using","pipe","delimeter"]
"|".join(words)

结果：

'这里|我|想要|到|连接|单词|使用|管道|分隔符'

【讨论】：

我很惊讶这个答案没有更高。 join 函数就是这样一个简单而简短的实现。
如果你在这个列表中有一个号码，比如i=1，然后是words=[i, ".jpg"]
当您只需要通过一个表达式（例如“_”）连接单词时，我认为这个答案很好。不过，paste/paste0函数的其他使用有点复杂的例子：paste0(coeff," (",CI_lower, ",", CI_higher,")")，这个方法没用。
主要区别在于R函数是向量化的。如果 states = [TX, CA, NY] 和 numbers = [1, 2, 3] 则粘贴函数应返回 ['TX1', 'CA2', 'NY3']。 R 的问题更简单，因为 python 有更多类型需要担心：列表、numpy 数组、pandas Series，所以不清楚如果numbers 是 numpy 数组而states 是 Series，返回类型应该是什么。在这个 R 比 python 更符合 pep20 的“只有一种方式”指令。

【解决方案6】：

让我们用 apply 来试试吧。

df.apply( lambda x: str( x.loc[ desired_col ] ) + "pasting?" , axis = 1 )

你会收到类似粘贴的东西

【讨论】：

【解决方案7】：

你可以试试pandas.Series.str.cat

import pandas as pd
def paste0(ss,sep=None,na_rep=None,):
    '''Analogy to R paste0'''
    ss = [pd.Series(s) for s in ss]
    ss = [s.astype(str) for s in ss]
    s = ss[0]
    res = s.str.cat(ss[1:],sep=sep,na_rep=na_rep)
    return res

pasteA=paste0

或者只是sep.join()

#

def paste0(ss,sep=None,na_rep=None, 
    castF=unicode, ##### many languages dont work well with str
):
    if sep is None:
        sep=''
    res = [castF(sep).join(castF(s) for s in x) for x in zip(*ss)]
    return res
pasteB = paste0


%timeit pasteA([range(1000),range(1000,0,-1)],sep='_')
# 100 loops, best of 3: 7.11 ms per loop
%timeit pasteB([range(1000),range(1000,0,-1)],sep='_')
# 100 loops, best of 3: 2.24 ms per loop

我使用itertools 来模拟回收

import itertools
def paste0(ss,sep=None,na_rep=None,castF=unicode):
    '''Analogy to R paste0
    '''
    if sep is None:
        sep=u''
    L = max([len(e) for e in ss])
    it = itertools.izip(*[itertools.cycle(e) for e in ss])
    res = [castF(sep).join(castF(s) for s in next(it) ) for i in range(L)]
    # res = pd.Series(res)
    return res

patsy 可能是相关的（我自己不是有经验的用户。）

【讨论】：

【解决方案8】：

如果您只想将两个字符串列粘贴在一起，您可以简化@shouldsee 的答案，因为您不需要创建函数。例如，就我而言：

df['newcol'] = df['id_part_one'].str.cat(df['id_part_two'], sep='_')

这两个系列可能都需要 dtype object 才能做到这一点（我尚未验证）。

【讨论】：

【解决方案9】：

其实有一个非常简单的方法。您只需将变量转换为string。例如，尝试运行：

a = 1; b = "you are number " + str(a); b

【讨论】：