Python

Question

我有一个具有以下结构（3 列）的数据框：

DATE,QUOTE,SOURCE
2019-11-21,1ºTEST/2ºTEST DONE, KAGGLE

我想做的是在 QUOTE 列上创建一个子字符串，以便仅使用最后一次出现之后的词（在本例中为词 'TEST'）生成新列。

我的预期结果：

DATE,QUOTE, SATUS, SOURCE
2019-11-21,1ºTEST/2ºTEST DONE, DONE, KAGGLE

为此，我尝试使用以下代码：

import pandas as pd
df = pd.read_excel (filename)
split = lambda x: len(x['QUOTE'].rsplit('TEST',1)[0])
df["STATUS"] = df.apply(split, axis=1)
print(df["STATUS"].unique())

但是我只是打印数字而不是 'DONE'。

我做错了什么？

谢谢！

Answer 1

在你使用len的split定义中，returns序列的长度（一个整数），

len([1, 'Done'])  # returns 2

您需要访问最后一个索引，例如：

df['STATUS'] = df.QUOTE.str.rsplit('TEST').str[-1]
print(df)

输出

         DATE               QUOTE  SOURCE STATUS
0  2019-11-21  1ºTEST/2ºTEST DONE  KAGGLE   DONE

或者如果你想使用apply，只需更改split的定义：

split = lambda x: x['QUOTE'].rsplit('TEST', 1)[-1]
df["STATUS"] = df.apply(split, axis=1)
print(df)

输出

         DATE               QUOTE  SOURCE STATUS
0  2019-11-21  1ºTEST/2ºTEST DONE  KAGGLE   DONE

请注意，使用 lambda 创建命名函数被认为是一种不太好的做法。

Python - 使用 lambda 在 DataFrame 列中应用 rsplit

Python - Apply rsplit in DataFrame column using lambda

substring

strsplit

pandas