Pandas: Wenn Zeile in Spalte A "x" enthält, schreibe "y" in Zeile B

Question

Für pandas suche ich nach einer Möglichkeit, bedingte Werte für jede Zeile in Spalte B basierend auf Teilstrings für entsprechende schreiben Zeilen in Spalte A.

Wenn Zelle A"BULL" enthält, schreiben Sie an B. Oder wenn Zelle in A"BEAR" enthält, schreiben Sie "Short" zu B.

gewünschte Ausgabe:

A     B 
"BULL APPLE X5" "Long" 
"BEAR APPLE X5" "Short" 
"BULL APPLE X5" "Long" 

B ist zunächst leer: df = pd.DataFrame([['BULL APPLE X5',''],['BEAR APPLE X5',''],['BULL APPLE X5','']],columns=['A','B'])

Answer 1

Ihr Code würde Fehler, wie Sie fälschlicherweise den Datenrahmen zu schaffen, nur eine einzige Spalte erstellen A dann B hinzufügen, basierend auf A:

import pandas as pd 
df = pd.DataFrame(["BULL","BEAR","BULL"], columns=['A']) 
df["B"] = ["Long" if ele == "BULL" else "Short" for ele in df["A"]] 

print(df) 

    A  B 
0 BULL Long 
1 BEAR Short 
2 BULL Long 

Oder haben Ihnen Logik mit den Daten, bevor Sie den Datenrahmen zu erstellen:

import pandas as pd 
data = ["BULL","BEAR","BULL"] 
data2 = ["Long" if ele == "BULL" else "Short" for ele in data] 
df = pd.DataFrame(list(zip(data, data2)), columns=['A','B']) 

print(df) 
     A  B 
0 BULL Long 
1 BEAR Short 
2 BULL Long 

Für Ihre edit:

df = pd.DataFrame([['BULL APPLE X5',''],['BEAR APPLE X5',''],['BULL APPLE X5','']], columns=['A','B']) 

df["B"] = df["A"].map(lambda x: "Long" if "BULL" in x else "Short" if "BEAR" in x else "") 

print(df) 

      A  B 
0 BULL APPLE X5 Long 
1 BEAR APPLE X5 Short 
2 BULL APPLE X5 Long 

Oder fügen Sie einfach die Spalte nach:

df = pd.DataFrame(['BULL APPLE X5','BEAR APPLE X5','BLL APPLE X5'], columns=['A']) 

df["B"] = df["A"].map(lambda x: "Long" if "BULL" in x else "Short" if "BEAR" in x else "") 

print(df) 

Oder mit enthält:

df = pd.DataFrame([['BULL APPLE X5',''],['BEAR APPLE X5',''],['BULL APPLE X5','']], columns=['A','B']) 


df["B"][df['A'].str.contains("BULL")] = "Long" 
df["B"][df['A'].str.contains("BEAR")] = "Short" 

print(df) 
0 BULL APPLE X5 Long 
1 BEAR APPLE X5 Short 
2 BULL APPLE X5 Long 

Answer 2

Auch zum Bestücken der df['B'] Sie das unten stehende Methode versuchen kann -

def applyFunc(s): 
    if s == 'BULL': 
     return 'Long' 
    elif s == 'BEAR': 
     return 'Short' 
    return '' 

df['B'] = df['A'].apply(applyFunc) 
df 
>> 
     A  B 
0 BULL Long 
1 BEAR Short 
2 BULL Long 

Was die apply funktioniert, ist das für jeden Zeilenwert von df['A'], ruft es die applyFunc Funktion mit dem Parameter als auf der Wert dieser Zeile, und der zurückgegebene Wert ist in der gleichen Zeile für df['B'], was wirklich passiert hinter der Szene ist ein bisschen anders, obwohl der Wert ist nicht direkt in df['B'] gesetzt, sondern eine neue Series wird erstellt und am Ende Die neue Serie wird df['B'] zugewiesen.

Answer 3

Sie str.extract für RegexMuster zur Suche verwenden könnte BULL|BEAR und dann Series.map verwenden, um die Saiten mit Long oder Short zu ersetzen :

In [50]: df = pd.DataFrame([['BULL APPLE X5',''],['BEAR APPLE X5',''],['BULL APPLE X5','']],columns=['A','B']) 

In [51]: df['B'] = df['A'].str.extract(r'(BULL|BEAR)').map({'BULL':'Long', 'BEAR':'Short'}) 

In [55]: df 
Out[55]: 
       A  B 
0 BULL APPLE X5 Long 
1 BEAR APPLE X5 Short 
2 BULL APPLE X5 Long 

Allerdings bildet die Zwischenstufe Ser ies mit str.extract ist ziemlich langsam im Vergleich zu 10.Mit IPython des %timeit zu Zeit die Benchmarks,

In [5]: df = pd.concat([df]*10000) 

In [6]: %timeit df['A'].str.extract(r'(BULL|BEAR)').map({'BULL':'Long', 'BEAR':'Short'}) 
10 loops, best of 3: 39.7 ms per loop 

In [7]: %timeit df["A"].map(lambda x: "Long" if "BULL" in x else "Short" if "BEAR" in x else "") 
100 loops, best of 3: 4.98 ms per loop 

Die Mehrheit der Zeit in str.extract ausgegeben wird:

In [8]: %timeit df['A'].str.extract(r'(BULL|BEAR)') 
10 loops, best of 3: 37.1 ms per loop 

, während der Anruf zu Series.map relativ schnell ist:

In [9]: x = df['A'].str.extract(r'(BULL|BEAR)') 

In [10]: %timeit x.map({'BULL':'Long', 'BEAR':'Short'}) 
1000 loops, best of 3: 1.82 ms per loop