python - 在 pandas 数据框中将列中的值从十六进制转换为二进制

Question

我在 pandas 数据框中有一列有十六进制值，例如:

Data
1A
2B
BB
FF
A7
78
CB

我想将十六进制值转换为二进制，然后从二进制取前 3 位，最后将 3 位值转换为十进制。

二进制数据列将是:

Data
00011010
00101011
10111011
11111111
10100111
01111000
11001011

前 3 位:

Data
010
011
011
111
111
000
011

最后是所需的十进制值:

Data
2
3
3
7
7
0
3

如何做到这一点？我尝试使用 bin() 函数，但它不适用于 pandas 数据框。

Answer 1

我们可以通过一系列操作来做到这一点:

1. 首先，我们使用 .apply(int, base=16) 将十六进制数转换为 int；
2. 接下来我们将其转换为二进制数据，使用 .apply(bin);
3. 接下来我们用 .str[2:] 分割前两个字符；
4. 然后我们用.str[-3:]获取最后三个字符；和
5. 最后，我们再次将这些解释为 int，使用 .apply(int, base=2)。

所以:

>>> df.Data.apply(int, base=16).apply(bin).str[2:].str[-3:].apply(int, base=2)
0    2
1    3
2    3
3    7
4    7
5    0
6    3
Name: Data, dtype: int64

然而，我们可以在这里使用另一种策略:

1. 我们首先将十六进制数转换为int；和
2. 然后我们使用 0b111 应用位与。

例如:

>>> df.Data.apply(int, base=16) & 0b111
0    2
1    3
2    3
3    7
4    7
5    0
6    3
Name: Data, dtype: int64

第二次尝试不仅更简单，而且速度也更快，大约提高了 66%:

>>> timeit(first_strategy, number=10000)
6.962630775000434
>>> timeit(second_strategy, number=10000)
2.330652763019316

对于重复样本数据 100 次的数据帧，我们得到:

>>> timeit(first_strategy, number=10000)
17.603060900000855
>>> timeit(second_strategy, number=10000)
5.901462858979357

这又快了 66%。