python - 检查字符串在多列中的存在，并将输出输出到 pandas 中的单独列

Question

我有如下数据框:

    col1  col2  col3  col4
0   a-I    -     -    12.4
1   -      a-I   -    2.6
2   a-I    -     a-I  23
3   -      a-I   a-I  4
4   -      -     a-I  5
5   a-I    a-I   -    6.245
6   -      a     a    7.23
7   a      a     -    8

我想要的是检查每列中的 I 是否存在，而不是使用 - 拆分字符串来创建 res 列。谁能知道如何做到这一点？

预期的结果是这样的:

    col1  col2  col3  col4 res
0   a-I    -     -    12.4  I 
1   -      a-I   -    2.6   I
2   a-I    -     a-I  23    I
3   -      a-I   a-I  4     I
4   -      -     a-I  5     I
5   a-I    a-I   -    6.245 I
6   -      a     a    7.23  -
7   a      a     -    8     -

Answer 1

设置

如果您的 DataFrame 中除了 str 之外还有其他数据类型，您需要将所有提及的 df 替换为 df.astype(str).

使用 numpy.where 和 str.contains

df.assign(res=np.where(df.sum(1).str.contains('I'), 'I', '-'))

使用列表理解:

列表理解通常比内置的 pandas 字符串方法更快:

df.assign(res=['I' if 'I' in row else '-' for row in df.values.sum(1)])

---

两者都产生:

 col1 col2 col3 res
0  a-I    -    -   I
1    -  a-I    -   I
2  a-I    -  a-I   I
3    -  a-I  a-I   I
4    -    -  a-I   I
5  a-I  a-I    -   I
6    -    a    a   -
7    a    a    -   -

---

时间

df = pd.concat([df]*5000)

%timeit ['I' if 'I' in row else '-' for row in df.values.sum(1)]
9.29 ms ± 310 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit np.where(df.sum(1).str.contains('I'), 'I', '-')
69.4 ms ± 2.17 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df.sum(1).str.contains('I').map({False:'-',True:'I'})
83 ms ± 12.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)