从python中已有的df创建新的df

Question

从只有1列名为val的现有数据帧创建新数据帧，优化的pandas命令应该是什么?使用以下转换。

输入:

1_2_3
1_2_3_4
1_2_3_4_5

输出:

2
2_3
2_3_4

删除第一个下划线(包括_)之前的所有内容，并删除最后一个_(包括_)之后的所有内容

Answer 1

您可以将str.replace与正则表达式一起使用，该正则表达式匹配到并包括第一个_和从最后一个_到字符串末尾的字符，将这两个部分替换为空:

df['val'] = df['val'].str.replace('^[^_]*_(.*)_[^_]*$', r'1')

输出:

val
0      2
1    2_3
2  2_3_4

如果您希望在新数据框中使用该单列，可以使用to_frame:

将其转换为一个:

df2 = df['val'].str.replace('^[^_]*_(.*)_[^_]*$', r'1').to_frame()

Answer 2

分割后str切片的另一种方法:

df['val'].str.split("_").str[1:-1].str.join("_")
0        2
1      2_3
2    2_3_4

Answer 3

按r1和r2之间的字符分割字符串

r1=digit_和r2=_digit

df.a.str.split('(?<=^d_)(.*?)(?=_d+$)').str[1]

Answer 4

您可以使用str.find和str.rfind找到第一个和最后一个_，然后您可以从中获得子字符串。

df['val'] = [x[x.find('_')+1:x.rfind('_')] for x in df['val']]

输出:

val
0      2
1    2_3
2  2_3_4

Answer 5

您可以使用replace方法

df.vals = df.vals.str.replace(r'^1_', '').str.replace(r'_d$', '')

我传递了2个正则表达式，第一个找到子字符串1_并将其替换为空字符串，第二个找到子字符串，下划线后面跟着字符串末尾的数字(这就是'$'的意思)与空字符串。

Answer 6

与regex相关的问题总是很有趣。

我再加一个。str.extract:

df['new_val'] = df['val'].str.extract('_(.+)_')

输出:

val  new_val
0      1_2_3        2
1    1_2_3_4      2_3
2  1_2_3_4_5    2_3_4