python - 如果模式匹配，则在 Pandas 的列值中添加子字符串

Question

我有两个数据框，其中包含单元格名称和该单元格的一些值，如下所示:cell_df:

cell_name    cell_values
abc1b        (h 1, a 2, a4)
adc2g        (h 2, a 4, a5)
daf1g        (h 3, a 7, a2)
adg2d        (h 1, a 4, a4)

另一个:

记录_df:

record_id record_values
1        start abc1b 1 2 , daf1g  3 5
2        start adc2g 6 7 , adg2d  6 5
3        start abc1b 10 13 , adc2g  2 3

我需要的是将 cell_values 放在每个逗号之前，因为 cell_name 出现在同一个逗号之前，字符串“from”出现在第一个数字之前，字符串“to”出现在两个数字之间

期望的输出:

record_id record_values
1        start abc1b from 1 to 2 (h 1, a 2, a4), daf1g from 3 to 5 (h 3, a 7, a2)
2        start adc2g from 6 to 7 (h 2, a 4, a5), adg2d from 6 to 5 (h 1, a 4, a4)
3        start abc1b from 10 to 13 (h 1, a 2, a4), adc2g from 2 to 3 (h 1, a 4, a4)

我认为我通过下面的代码得到了这一点，但是需要花费大量时间才能继续，几分钟，但数据帧只有 80 行。

for cn, cv in cell_df[['cell_name', 'cell_values']].values:
    record_df['record_values'] = record_df['record_values'].apply(lambda x: (re.sub(r"%s(\s+)(\d+)\s+(\d+)" % cn, r"%s from \1 to \2 %s" % (cn, cv), x)))

所以，问题是:有什么办法可以加快速度吗？也许是一种完全不同的方法？

我使用的是Python 2.7

Answer 1

使用 Python 3.6 f 字符串

从cell_df创建字典

m = dict(cell_df.values)

def fmt(rec):
    pre, txt = rec.split(maxsplit=1)
    return pre + ' ' + ', '.join(
        f'{a} from {b} to {c} {m[a]}'
        for a, b, c in map(str.split, map(str.strip, txt.split(',')))
    )

record_df.record_values.apply(fmt)

0    start abc1b from 1 to 2 (h 1, a 2, a4), daf1g ...
1    start adc2g from 6 to 7 (h 2, a 4, a5), adg2d ...
2    start abc1b from 10 to 13 (h 1, a 2, a4), adc2...
Name: record_values, dtype: object

• pre, txt = rec.split(maxsplit=1) 删除初始的start 位并将其放入pre 名称中。这使得 txt 包含我们想要重新格式化的三元组。
• 然后我想split(',') txt中的值
• 对于该分割中的每个元素，我想剥离多余的空格
• 然后我想用空格分割这些结果
• 这应该会产生 list 的 list 或 Iterable 的 Iterable，其中每个 Iterable 的长度应为 3
• 我可以将这些 3 值解压缩为 a、b 和 c
• 然后我使用 f 字符串或 str.format 函数重新格式化它们
• 使用 ', '.join 将所有内容重新组合在一起

  ---

Python 3.6 之前的版本

m = dict(cell_df.values)

def fmt(rec):
    pre, txt = rec.split(None, 1)
    return pre + ' ' + ', '.join(
        '{} from {} to {} {}'.format(a, b, c, m[a])
        for a, b, c in map(str.split, map(str.strip, txt.split(',')))
    )

record_df.record_values.apply(fmt)

<小时/>

为OP量身定制

m = dict(cell_df.values)

def fmt(rec):
    pre, txt = rec.split(None, 1)
    return pre + ' ' + ', '.join(
        '{} from {} to {} {}'.format(a, b, c, m[a])
        for a, b, c in map(str.split, map(str.strip, map(str, txt.split(','))))
    )

record_df.record_values.apply(fmt)