根据来自其他列的文本字符串的开头创建新的 pandas 列

Question

我有一个带有文本列的 pandas 数据框。

我想创建一个新列，其中的值取决于文本列中文本字符串的开头。

所以如果文本列的前 30 个字符：

== 'xxx...xxx'然后返回值1

== 'yyy...yyy' 然后返回值2

== 'zzz...zzz' 然后返回值3

if none of the above return 0

Answer 1

另一种较慢的解决方案： 但是，优点是模式的映射是一个函数参数（具有隐式默认值 0 值）

def map_starts_with(pat_map):
    def map_string(t):
        pats = [pat for pat in pat_map.keys() if t.startswith(pat)]
        return pat_map.get(pats[0]) if len(pats) > 0 else 0 
# get only value of "first" pattern if at least one pattern is found
    return map_string

df = pd.DataFrame({'col':[ 'xx', 'aaaaaa', 'c']})
      col
0      xx
1  aaaaaa
2       c

mapping = { 'aaa':4 ,'c':3}
df.col.apply(lambda x: map_starts_with(mapping)(x))

0    0
1    4
2    3

请注意，我们在这里也使用了柯里化。我想知道这种方法是否可以使用额外的 pandas 或 numpy 功能来实现。

请注意，“第一个”模式匹配可能取决于 dict 键的遍历顺序。如果键中没有重叠，这无关紧要。 （Jezrael 的解决方案，或其直接推广，也将选择一个元素进行匹配，但以更可预测的方式）

Answer 2

可以使用多个numpy.where，但如果更多条件使用apply：

对于从策略中选择的字符串，请使用indexing with str。

df = pd.DataFrame({'A':['xxxss','yyyee','zzzswee','sss'],
                   'B':[4,5,6,8]})

print (df)
         A  B
0    xxxss  4
1    yyyee  5
2  zzzswee  6
3      sss  8

#check first 3 values
a = df.A.str[:3]
df['new'] = np.where(a == 'xxx', 1, 
            np.where(a == 'yyy', 2, 
            np.where(a == 'zzz', 3, 0)))

print (df)
         A  B  new
0    xxxss  4    1
1    yyyee  5    2
2  zzzswee  6    3
3      sss  8    0

def f(x):
    #print (x)
    if x == 'xxx':
        return 1
    elif x == 'yyy':
        return 2
    elif x == 'zzz':
        return 3
    else:
        return 0

df['new'] = df.A.str[:3].apply(f)
print (df)
         A  B  new
0    xxxss  4    1
1    yyyee  5    2
2  zzzswee  6    3
3      sss  8    0

编辑：

如果长度不同，只需要：

df['new'] = np.where(df.A.str[:3] == 'xxx', 1, 
            np.where(df.A.str[:2] == 'yy', 2, 
            np.where(df.A.str[:1] == 'z', 3, 0)))

print (df)
         A  B  new
0    xxxss  4    1
1    yyyee  5    2
2  zzzswee  6    3
3      sss  8    0

编辑1：

感谢Quickbeam2k1 使用str.startswith 检查每个字符串的开始：

df['new'] = np.where(df.A.str.startswith('xxx'), 1, 
            np.where(df.A.str.startswith('yy'), 2, 
            np.where(df.A.str.startswith('z'), 3, 0)))

print (df)
         A  B  new
0    xxxss  4    1
1    yyyee  5    2
2  zzzswee  6    3
3      sss  8    0