python - 根据另一列值修改数据框列

Question

我有一个包含两列的数据框，我想根据另一列的值修改一列。

例子

unit        name
feet        abcd_feet
celcius     abcd_celcius
yard        bcde_yard
yard        bcde

如果单位是 feet 或 yard 并且名称以它结尾，那么我想将它从列中删除。

unit        name
feet        abcd
celcius     abcd_celcius
yard        bcde
yard        bcde

Answer 1

有两种可能的方法可以解决您的问题:

第一种方法，速度更快，因为 pandas 是基于列的:

UNITS_TO_REMOVE = {'feet', 'yard'}

df['value_'], df['unit_'] = df['name'].str.split('_').str
values_to_clean = (df['unit_'].isin(UNITS_TO_REMOVE)) & (df['unit_'] == df['unit'])
df.loc[values_to_clean, 'name'] = df.loc[values_to_clean, 'value_']
df.drop(columns=['unit_', 'value_'], inplace=True)

这是结果，

    unit    name
0   feet    abcd
1   celcius abcd_celcius
2   yard    bcde
3   yard    bcde

性能:每个循环 20 毫秒 ± 401 微秒(7 次运行的平均值 ± 标准偏差，每次 100 次循环)(在 (4000, 2) 数据帧上)

---

第二种方法，使用应用(有时是唯一可用的解决方案):

UNITS_TO_REMOVE = {'feet', 'yard'}

def remove_unit(unit, value):
    if unit not in UNITS_TO_REMOVE or '_' not in value:
        return value
    else:
        row_value, row_unit = value.split('_')
        if row_unit == unit:
            return row_value
        else:
            return value

df['name'] = df.apply(lambda row: remove_unit(row['unit'], row['name']), axis=1)

输出:

    unit    name
0   feet    abcd
1   celcius abcd_celcius
2   yard    bcde
3   yard    bcde

性能:每次循环 152 毫秒 ± 3.95 毫秒(7 次运行的平均值 ± 标准偏差，每次 10 次循环)