Verwenden von Funktionen in Pandas zum Teilen von Text - Gründe, nicht zu verwenden apply

Question

Kann dies als eine Funktion neu geschrieben werden?

df2['AB18t'] = df2['AB18'].apply(lambda x: x.split(":")[0]) 
df2['AB18n'] = df2['AB18'].apply(lambda x: x.split(":")[1]).astype(int) 
df2['AB18n'] = np.where(df2['AB18t'] == "Ab", df2['AB18n'] ,-df2['AB18n']) 
df2['AB18t'] = np.where(df2['AB18t'] == "Ab", 1 ,0) 

Versuchte

def getTextNum(x): 
    df2['AB18t'] = df2['AB18'].apply(lambda x: x.split(":")[0]) 
    df2['AB18n'] = df2['AB18'].apply(lambda x: x.split(":")[1]).astype(int) 
    df2['AB18n'] = np.where(df2['AB18t'] == "Ab", df2['AB18n'] ,-df2['AB18n']) 
    df2['AB18t'] = np.where(df2['AB18t'] == "Ab", 1 ,0) 


df2['AB18'].apply(getTextNum) 

redigiert ... form1

0  Blw:001 
1  Ab:008 
2  Ab:007 
3  Ab:006 
4  Ab:005 
5  Ab:004 
6  Ab:003 
7  Ab:002 
8  Ab:001 
9  Blw:001 
10  Ab:001 
11 Blw:002 
12 Blw:001 
13  Ab:001 
14 Blw:002 
Name: AB18, dtype: object 

form2 :::

0  B:Ab:048 
1  B:Ab:047 
2  B:Ab:046 
3  B:Ab:045 
4  B:Ab:044 
5  B:Ab:043 
6  B:Ab:042 
7  B:Ab:041 
8  B:Ab:040 
9  B:Ab:039 
10 B:Ab:038 
11 B:Ab:037 
12 B:Ab:036 
13 B:Ab:035 
14 B:Ab:034 
Name: SLT, dtype: object 

Answer 1

Für m e arbeitet str.split mit indexing with str:

print df2 
    AB18 b c  d 
0 Ab:1 1.0 7 M024 
1 Ab:0 2.0 9 M024 
2 125:1 5.0 0 M024 
3 127:0 7.0 4 M025 
4 129:1 NaN 2 M024 

def getTextNum(df2): 
    ser = df2['AB18'].str.split(":") 
    df2['AB18t'] = ser.str[0] 
    df2['AB18n'] = ser.str[1].astype(int) 
    df2['AB18n'] = np.where(df2['AB18t'] == "Ab", df2['AB18n'] ,-df2['AB18n']) 
    df2['AB18t'] = np.where(df2['AB18t'] == "Ab", 1 ,0) 
    return df2 

print getTextNum(df2) 

    AB18 b c  d AB18t AB18n 
0 Ab:1 1.0 7 M024  1  1 
1 Ab:0 2.0 9 M024  1  0 
2 125:1 5.0 0 M024  0  -1 
3 127:0 7.0 4 M025  0  0 
4 129:1 NaN 2 M024  0  -1 

Vectorized methods.

EDIT: Sie können Funktion getTextNum mit Eingabespalte verwenden (Serie) (zB df2['AB18']) und zurück neue DataFrame:

def getTextNum(col): 
    ser = col.str.split(":") 
    text = np.where(ser.str[0] == "Ab", 1 ,0) 
    num = np.where(ser.str[0] == "Ab", ser.str[1].astype(int) ,-ser.str[1].astype(int)) 
    return pd.DataFrame({'Text':text,'Num':num}, columns= ['Text','Num']) 

print getTextNum(df2['AB18']) 
    AB18n AB18t 
0  1  1 
1  0  1 
2  -1  0 
3  0  0 
4  -1  0 

df2[['AB18t', 'AB18n']] = getTextNum(df2['AB18']) 

EDIT1:

Mehr Lösung verallgemeinern - Ich zähle Liste von hinten - letzte Spalte wird durch [-1] indiziert und zuletzt ist [-2]:

print df2 
     AB18  SLT 
0 Blw:001 B:Ab:048 
1 Ab:008 B:Ab:047 
2 Ab:007 B:Ab:046 
3 Ab:006 B:Ab:045 
4 Ab:005 B:Ab:044 
5 Ab:004 B:Ab:043 
6 Ab:003 B:Ab:042 
7 Ab:002 B:Ab:041 
8 Ab:001 B:Ab:040 
9 Blw:001 B:Ab:039 
10 Ab:001 B:Ab:038 
11 Blw:002 B:Ab:037 
12 Blw:001 B:Ab:036 
13 Ab:001 B:Ab:035 
14 Blw:002 B:Ab:034 

def getTextNum(df, col): 
    ser = df[col].str.split(":") 
    text = np.where(ser.str[-2] == "Ab", 1, 0) 
    num = np.where(ser.str[-2] == "Ab", ser.str[-1].astype(int),-ser.str[-1].astype(int)) 
    df[df[col].name + 't'] = text 
    df[df[col].name + 'n'] = num 
    return df 

#parameters - name of DataFrame, name of column in DataFrame 
getTextNum(df2, 'SLT') 
print df2 
     AB18  SLT SLTt SLTn 
0 Blw:001 B:Ab:048  1 48 
1 Ab:008 B:Ab:047  1 47 
2 Ab:007 B:Ab:046  1 46 
3 Ab:006 B:Ab:045  1 45 
4 Ab:005 B:Ab:044  1 44 
5 Ab:004 B:Ab:043  1 43 
6 Ab:003 B:Ab:042  1 42 
7 Ab:002 B:Ab:041  1 41 
8 Ab:001 B:Ab:040  1 40 
9 Blw:001 B:Ab:039  1 39 
10 Ab:001 B:Ab:038  1 38 
11 Blw:002 B:Ab:037  1 37 
12 Blw:001 B:Ab:036  1 36 
13 Ab:001 B:Ab:035  1 35 
14 Blw:002 B:Ab:034  1 34 

getTextNum(df2, 'AB18') 
print df2 
     AB18  SLT AB18t AB18n 
0 Blw:001 B:Ab:048  0  -1 
1 Ab:008 B:Ab:047  1  8 
2 Ab:007 B:Ab:046  1  7 
3 Ab:006 B:Ab:045  1  6 
4 Ab:005 B:Ab:044  1  5 
5 Ab:004 B:Ab:043  1  4 
6 Ab:003 B:Ab:042  1  3 
7 Ab:002 B:Ab:041  1  2 
8 Ab:001 B:Ab:040  1  1 
9 Blw:001 B:Ab:039  0  -1 
10 Ab:001 B:Ab:038  1  1 
11 Blw:002 B:Ab:037  0  -2 
12 Blw:001 B:Ab:036  0  -1 
13 Ab:001 B:Ab:035  1  1 
14 Blw:002 B:Ab:034  0  -2 

Answer 2

def foo(df): 
    data = df['AB18'].str.split(":") 
    df['AB18t'] = [row[-2] for row in data] 
    df['AB18n'] = [row[-1] for row in data] 
    df['AB18n'] = np.where(df['AB18t'] == "Ab", df['AB18n'].astype(int), -df['AB18n'].astype(int)) 
    df['AB18t'] = np.where(df['AB18t'] == "Ab", 1 ,0) 


df = pd.DataFrame({'AB18': ['Ab:18', 'Ac:20', 'B:Ab:20']}) 

>>> foo(df) 
     AB18 AB18t AB18n 
0 Ab:18  1  18 
1 Ac:20  0 -20 
2 B:Ab:20  1  20