使用另一列作为索引的 Pandas 子字符串

Posted 2023-02-22

【中文标题】使用另一列作为索引的 Pandas 子字符串

【英文标题】：Pandas substring using another column as the index

【发布时间】：2019-10-29 12:35:04

【问题描述】：

我正在尝试使用包含起始索引的一列来子选择一个字符串列。

df = pd.DataFrame('string': ['abcdef', 'bcdefg'], 'start_index': [3, 5])
expected = pd.Series(['def', 'g'])

我知道你可以用下面的子串

df['string'].str[3:]

但是，就我而言，开始索引可能会有所不同，所以我尝试了：

df['string'].str[df['start_index']:]

但它返回 NaN。

编辑： 如果我不想使用循环/列表理解怎么办？即首选矢量化方法。

编辑2： 在这个小测试用例中，列表理解似乎更快。

from itertools import islice
%timeit df.apply(lambda x: ''.join(islice(x.string, x.start_index, None)), 1)
%timeit pd.Series([x[y:] for x , y in zip(df.string,df.start_index) ])

631 µs ± 1.96 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
101 µs ± 233 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

【问题讨论】：

所有字符串的长度都一样吗？

不，他们没有。

可以看这里：***.com/questions/39042214/…

【参考方案1】：

使用for循环和两列的zip，为什么我们在这里使用for循环，你可以查看link

[x[y:] for x , y in zip(df.string,df.start_index) ]
Out[328]: ['def', 'g']

【讨论】：

这个解决方案太慢了，对于更大的数据集是不切实际的

@LeszekZarna ***.com/questions/54028199/…