python - 使用拆分填充 Pandas 数据框中的列

Question

我正在处理文本数据，我只想根据现有列填充一个新列。

示例:列 sourceEncodedID 可能具有类似 a.b.c 的值，我只想提取字符串的第二部分 b ，如果有第二部分可用。以下是一些示例值:

sourceEncodedID    Branch    
a.b.c               b    
c.r.d               r    
a                   a    
p                   p

为此，我想出了以下代码:

for i in range(0,20350):
    if len(str(artifacts.sourceEncodedID[i]).split('.')) > 1:
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i]).split('.')[1]
    else:
        artifacts['branch'][i] = str(artifacts.sourceEncodedID[i])

dataframe 中只有 20k 行，但这段代码需要几分钟才能执行，然后从未完成并使我的浏览器无响应(我正在使用 ipython notebook)。我原以为这会在几秒钟内运行。

这段代码中是否有我无法捕捉到的明显愚蠢的地方？我该如何解决？

Answer 1

UPDATE2: - 我相信这会更快一些:

x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1')

20K DF 时序:

In [155]: x.shape
Out[155]: (20000, 2)

In [156]: %timeit x['new'] = x.sourceEncodedID.str.replace(r'[^\.]*\.([^\.]*).*', r'\1')
10 loops, best of 3: 127 ms per loop

更新:

In [68]: x['new'] = x.sourceEncodedID

In [69]: x
Out[69]:
  sourceEncodedID Branch    new
0           a.b.c      b  a.b.c
1           c.r.d      r  c.r.d
2               a      a      a
3               p      p      p

In [70]: x.ix[x.sourceEncodedID.str.contains('\.'), 'new'] = x.sourceEncodedID.str.split('\.', expand=True)[1]

In [71]: x
Out[71]:
  sourceEncodedID Branch new
0           a.b.c      b   b
1           c.r.d      r   r
2               a      a   a
3               p      p   p

当首先使用 pandas 数据帧时，总是尝试找到矢量化解决方案。并且只有在绝对不可能的情况下才仔细检查它，并且只有在尝试循环方法之后才进行检查，因为它会慢几个数量级。

旧答案:

试试这个:

In [61]: x.sourceEncodedID.str.split('\.', expand=True)[1]
Out[61]:
0       b
1       r
2    None
3    None
Name: 1, dtype: object