从列中获取字符串的第一个字母

Question

我正在和熊猫打架，现在我输了。我有类似这样的源表：

import pandas as pd

a=pd.Series([123,22,32,453,45,453,56])
b=pd.Series([234,4353,355,453,345,453,56])
df=pd.concat([a, b], axis=1)
df.columns=['First', 'Second']

我想在此数据框中添加新列，其中第一个数字来自“第一”列中的值： a) 将数字从“First”列更改为字符串 b) 从新创建的字符串中提取第一个字符 c) 来自 b 的结果另存为数据框中的新列

我不知道如何将其应用于 pandas 数据框对象。如果能帮我解决这个问题，我将不胜感激。

Answer 1

将col的dtype转换为str，就可以进行矢量化切片调用str：

In [29]:
df['new_col'] = df['First'].astype(str).str[0]
df

Out[29]:
   First  Second new_col
0    123     234       1
1     22    4353       2
2     32     355       3
3    453     453       4
4     45     345       4
5    453     453       4
6     56      56       5

如果您需要，您可以将dtype 重新投射回去，然后在该列上调用astype(int)

Answer 2

.str.get

这是最简单的指定字符串方法

# Setup
df = pd.DataFrame({'A': ['xyz', 'abc', 'foobar'], 'B': [123, 456, 789]})
df

        A    B
0     xyz  123
1     abc  456
2  foobar  789

df.dtypes

A    object
B     int64
dtype: object

对于字符串（读取：object）类型的列，使用

df['C'] = df['A'].str[0]
# Similar to,
df['C'] = df['A'].str.get(0)

.str 通过返回 NaN 作为输出来处理 NaN。

对于非数字列，需要事先进行.astype 转换，如@Ed Chum 的回答所示。

# Note that this won't work well if the data has NaNs. 
# It'll return lowercase "n"
df['D'] = df['B'].astype(str).str[0]

df
        A    B  C  D
0     xyz  123  x  1
1     abc  456  a  4
2  foobar  789  f  7

---

列表理解和索引

enough evidence 建议简单的列表理解在这里可以很好地工作并且可能更快。

# For string columns
df['C'] = [x[0] for x in df['A']]

# For numeric columns
df['D'] = [str(x)[0] for x in df['B']]

df
        A    B  C  D
0     xyz  123  x  1
1     abc  456  a  4
2  foobar  789  f  7

如果您的数据有 NaN，那么您需要在列表理解中使用 if/else 适当地处理此问题，

df2 = pd.DataFrame({'A': ['xyz', np.nan, 'foobar'], 'B': [123, 456, np.nan]})
df2

        A      B
0     xyz  123.0
1     NaN  456.0
2  foobar    NaN

# For string columns
df2['C'] = [x[0] if isinstance(x, str) else np.nan for x in df2['A']]

# For numeric columns
df2['D'] = [str(x)[0] if pd.notna(x) else np.nan for x in df2['B']]

        A      B    C    D
0     xyz  123.0    x    1
1     NaN  456.0  NaN    4
2  foobar    NaN    f  NaN

---

让我们对一些更大的数据做一些 timeit 测试。

df_ = df.copy()
df = pd.concat([df_] * 5000, ignore_index=True) 

%timeit df.assign(C=df['A'].str[0])
%timeit df.assign(D=df['B'].astype(str).str[0])

%timeit df.assign(C=[x[0] for x in df['A']])
%timeit df.assign(D=[str(x)[0] for x in df['B']])

12 ms ± 253 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
27.1 ms ± 1.38 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

3.77 ms ± 110 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
7.84 ms ± 145 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

列表推导速度快 4 倍。