通过引用字符串位置检查数据框列中的子字符串

Posted 2023-03-12

【中文标题】通过引用字符串位置检查数据框列中的子字符串

【英文标题】：Check substring in dataframe column by referencing string position

【发布时间】：2020-11-08 20:57:54

【问题描述】：

我有一个数据框，其中有一个名为“id”的列，其中每个 id 的长度为 9 个字符，我正在尝试添加一个“评级”列，在该列中我根据是否将每一行评级为 A、AA 或 AAA第 6、7、8 个字符是“A00”、“AA0”或“000”。到目前为止，我有以下代码：

id = df['id']
conditions = [(id.str.get(5) == 'A00'), (id.str.get(5) == 'AA0'), (id.str.get(5) == '000')]
values = ['A', 'AA', 'AAA']
df['Rating'] = np.select(conditions, values)
df['Rating'] = df['Rating'].astype('category')

但我知道条件行是错误的，因为 column.str.get(n) 只检查字符串的第 (n-1) 个字符，我需要长度为 3 的子字符串，而不仅仅是单个字符。有谁知道我可以使用哪个命令？

提前致谢！

【问题讨论】：

如果你总是知道它在哪里，你可以做 id[5:8] - 5index to 8index ...

所以000 == AAA?

@mac13k 是的，很抱歉造成混乱哈哈

【参考方案1】：

将replace() 与值映射一起使用。：

df.id.str[-4:-1].replace('A00': 'A', 'AA0': 'AA', '000': 'AAA') 

【讨论】：

您好，感谢您的回复！当我使用它并打印出来时，我只得到一系列 NaN 值 - 你知道这是为什么吗？

我需要查看您的数据。当我在 id 列中有一个带有 ['A00', 'AA0', 'AAA'] 的数据框时，它对我有用。

但是我刚刚再次检查，它应该可以处理可变长度的字符串，因为无论如何只检查最后 3 个字符。

啊，我不想检查最后 3 个字符，而是最后一个字符之前的 3 个字符（如果有意义的话）？很抱歉造成混乱！

好的，所以你可以将get中的索引从[-3:]更改为`[-4:-1]'。还要确保你的 id 列中有 A，否则你会得到 NaN。

【参考方案2】：

只需使用正则表达式提取它。

df.id.str.extract(r'.5([A]+)').fillna('AAA') 

例子

df = pd.DataFrame('id': ['12345A003', '12345AA03', '123450003']) 
df.id.str.extract(r'.5([A]+)').fillna('AAA')  

输出

     0
0    A
1   AA
2  AAA

【讨论】：

您好，感谢您的回复！当我使用它并打印出来时，我只得到一系列 NaN 值 - 你知道这是为什么吗？

你能打印你的 df['id'] 吗？

您好，刚刚看到您的编辑 - 不幸的是，我的 ID 号是 9 个字符而不是 8 个字符，我希望从不是最后 3 个字符，而是倒数第二个字符中获取字符串如果这是有道理的（所以不是第 7、第 8、第 9，而是第 6、第 7、第 8）

我刚刚用df['id']的图片编辑了帖子

它有 000 没有 A003、AA03 或 AAA3。如果你有条目，代码只是忽略前 5 个字符，它应该提取 A、AA、AAA 出来。