熊猫从数据框中的一列中提取部分字符串并将其存储在一个新列中

Posted 2023-03-12

【中文标题】熊猫从数据框中的一列中提取部分字符串并将其存储在一个新列中

【英文标题】：Pandas extract part of string form a column in a dataframe and store it in a new column

【发布时间】：2022-01-06 07:32:01

【问题描述】：

我有下面的代码来创建一个数据框

import pandas as pd
df = 'Connection':['Home 10Mbps','Broadband 5 Mbps','128 Kbps Internet','Discounted 512Kbps 2 years contract']
df = pd.DataFrame (df)
df

我需要一种仅从“连接”列中提取带宽并将结果存储在名为“带宽”的新列中的方法，如下所示：

带宽

10 Mbps

5 Mbps

128 Kbps

512 Kbps

【问题讨论】：

您的数据不遵循某种模式，因此无法解析或至少难以解析。既然已经有了数据，为什么不在初始化dataframe的时候单独放到一列呢？

感谢您的回复，其实这是一个300 K记录数据集的一部分，我需要在清理和组织数据的过程中这样做

【参考方案1】：

确保使用所有可能的格式填写列表

lst = ['10Mbps', '10 Mbps', '5 Mbps', '128 Kbps', '512Kbps', '512 Kbps']
for i in lst:
   df.loc[df['Connection'].str.contains(i), 'bandwidth'] = i

lst1 = []
for j in df.bandwidth:
  if " " not in j:
    lst1.append((re.sub("[A-Za-z]+", lambda ele: " " + ele[0] + " ", j)[:-1]))
  else:
    lst1.append(j)

df['bandwidth']=lst1

# output
Connection                 bandwidth
Home 10Mbps                 10 Mbps
Broadband 5 Mbps            5 Mbps
128 Kbps Internet           128 Kbps
Discounted 512Kbps 2 years contract 512 Kbps

【讨论】：

谢谢，应该这样做，这个数据是我正在处理的 300 K 记录的一部分，我仍然需要解决如何统一这些值；数字和带宽单位之间有空格或没有空格，您知道如何做到这一点吗？

如果你是这个意思，我编辑了回复

完美，谢谢

不客气，如果一切正常，请接受答案。