以矢量化的方式切片熊猫绳

Question

我正在尝试以矢量化的方式对字符串进行切片，答案是 NaN。尽管如果序列索引(例如 str[：1](是常量，则可以正常工作。任何帮助

df = pd.DataFrame({'NAME': ['abc','xyz','hello'], 'SEQ': [1,2,1]}) #
df['SUB'] = df['NAME'].str[:df['SEQ']]

输出为

NAME  SEQ  SUB
0    abc    1  NaN
1    xyz    2  NaN
2  hello    1  NaN

Answer 1

不幸的是，矢量化解决方案不存在。

将apply与 lambda 函数一起使用：

df['SUB'] = df.apply(lambda x: x['NAME'][:x['SEQ']], axis=1)

或者zip使用list comprehension以获得更好的性能：

df['SUB'] = [x[:y] for x, y in zip(df['NAME'], df['SEQ'])]

---

print (df)
NAME  SEQ SUB
0    abc    1   a
1    xyz    2  xy
2  hello    1   h

时间：

df = pd.DataFrame({'NAME': ['abc','xyz','hello'], 'SEQ': [1,2,1]})
df = pd.concat([df] * 1000, ignore_index=True)

In [270]: %timeit df["SUB"] = df.groupby("SEQ").NAME.transform(lambda g: g.str[: g.name])
4.23 ms ± 222 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [271]: %timeit df['SUB'] = df.apply(lambda x: x['NAME'][:x['SEQ']], axis=1)
104 ms ± 2.02 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [272]: %timeit df['SUB'] = [x[:y] for x, y in zip(df['NAME'], df['SEQ'])]
785 µs ± 22.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

Answer 2

使用groupby：

df["SUB"] = df.groupby("SEQ").NAME.transform(lambda g: g.str[: g.name])

如果SEQ中唯一值很少，则可能是有意义的。