python - Pandas 提取多列

Question

使用 Pandas，我向 DataFrame 添加新列:

df["Year"] = df["concat"].str.extract("(\d\d\d\d$)", expand=False)
df["Month"] = df["concat"].str.extract("(\d\d)\_\d\d\d\d$", expand=False)
df["Measure"] = df["concat"].str.extract("^(.*)\_\d\d\_\d\d\d\d$", expand=False)

这可以工作，但速度很慢。我正在考虑一步完成所有 3 个操作(希望这会提高性能):

df["Measure", "Year", "Month"] = (df["concat"].str.extract("^(?P<Measure>.*)\_(?P<Month>\d\d)\_(?P<Year>\d\d\d\d)$", expand=True))

但这不起作用(ValueError:传递的项目数量错误为 3，放置意味着 1)。

如何使其发挥作用或如何有效地提取此信息？

Answer 1

您将 3 个单独的值作为 df["Measure", "Year", "Month"] 传递到 df 引用中。 "Measure"、"Year" 和 "Month" 而不是单个数组 ["Measure","Year","月”]。它应该看起来像 df[["Measure", "Year", "Month"]]。

或者，您可以使用 pandas 连接函数。

df2= df["concat"].str.extract("^(?P<Measure>.*)\_(?P<Month>\d\d)\_(?P<Year>\d\d\d\d)$", expand=True)
pd.concat([df,df2],axis = 1)