python - 从 pd.series 格式 python 的列中拆分字符串

Question

我是 Python 的新手，正在尝试做一些实际操作。

在执行此操作时，我被困在这里。

我有一个 .csv 格式的数据，我使用

导入到 python

data = pandas.read_csv("data.csv")
data.head()

   user  rating      id
0     1     3.5  1_1193
1     1     3.5   1_661
2     1     3.5   1_914
3     1     3.5  1_3408
4     1     3.5  1_2355

我需要的是从“id”列中获取“_”之后的数字。

我尝试做的是:

data.id.split('_')

这给了我错误:“‘DataFrame’对象没有属性‘split’”

因此，在从 stackoverflow 上的一些解决方案中读取后，我将“id”列设为 np.array。

s1 = data.id.values
s2 = np.array2string(s1, separator=',',suppress_small=True)
s2.split('_')

这给我的输出是:

["['1",
 "1193','1",
 "661','1",
 "914',..., '6040",
 "161','6040",
 "2725','6040",
 "1784']"]
s2.split('_')[1] 

给我:

"1193','1"

如何获取“_”后的字符串？

Answer 1

您需要矢量化 str.split通过 str[1] 选择第二个列表 - 您也可以查看 docs :

data['a'] = data.id.str.split('_').str[1]
print (data)
   user  rating      id     a
0     1     3.5  1_1193  1193
1     1     3.5   1_661   661
2     1     3.5   1_914   914
3     1     3.5  1_3408  3408
4     1     3.5  1_2355  2355

print (data.dtypes)
user        int64
rating    float64
id         object
a          object <- format is object (obviously string)
dtype: object

#split and cast column to int
data['a'] = data.id.str.split('_').str[1].astype(int)
print (data)
   user  rating      id     a
0     1     3.5  1_1193  1193
1     1     3.5   1_661   661
2     1     3.5   1_914   914
3     1     3.5  1_3408  3408
4     1     3.5  1_2355  2355

print (data.dtypes)
user        int64
rating    float64
id         object
a           int32 <- format is int
dtype: object

此外，如果需要用新值替换 id 列:

data.id = data.id.str.split('_').str[1]
print (data)
   user  rating    id
0     1     3.5  1193
1     1     3.5   661
2     1     3.5   914
3     1     3.5  3408
4     1     3.5  2355

---

data.id = data.id.str.split('_').str.get(1)
print (data)
   user  rating    id
0     1     3.5  1193
1     1     3.5   661
2     1     3.5   914
3     1     3.5  3408
4     1     3.5  2355