python - 如何识别与 Pandas/Python 中的特定动态值相关的文本

Question

我的数据框中有以下两列:

COL1    COL2

 12    :402:agshhhjd:45:hghghgruru:12:fghg,hgh:22:hhhh
 57    :42:ags,hhhjd:57:hghg,hgruru:120:fghgh,gh:12:hhhhhh

我需要创建另一列 COL3，如下所示:

  COL1  COL2                                                    COL3

   12   :402:agshhhjd:45:hghghgruru,:12:fghg,hgh:22:hhhh       fghg,hg
   57   :42:agshhhjd:57:hghg,hgruru:120:fghghgh:12:hhhhhh      hghg,hg

需要以这样的方式创建新列 COL 3:在 COL2 中搜索 COL1 的值以查找同一行，然后打印除“:”之外的 7 个字符。我尝试使用切片，但它不起作用。有人可以帮忙吗？

Answer 1

您可以只使用属性replace，但首先您必须更改第1列的数据类型。我们需要替换COL2中的所有内容，保存COL1中数字后面的文字，即:

.*12:(\w{7}).* 所以我们只捕获这七个字母并通过反向引用调用它们，即值 =\1。我们对第二行也做同样的事情。由于替换是矢量化的，因此可以轻松完成此操作。虽然这会很慢

df['COL3'] = df.COL2.replace(regex=r'.*'+ df.COL1.astype('str') +':(\\w{7}).*',value="\\1")

df 
   COL1                                               COL2     COL3
0    12  :402:agshhhjd,:45:hghghgruru,:12:fghghgh,:22:hhhh  fghghgh
1    57  :42:agshhhjd,:57:hghghgruru,:120:fghghgh,:12:h...  hghghgr

您还可以这样做:

import re
[re.sub(".*"+str(i)+":(\\w{7}).*","\\1",j) for i,j in zip(df.COL1,df.COL2)]

编辑

通过更新，您可以执行以下操作:

  df.assign(COL3 = df.COL2.replace(regex=r'.*'+ df.COL1.astype('str')+':(.{7}).*',value="\\1"))
Out[102]: 
   COL1                                               COL2     COL3
0    12  :402:agshhhjd,:45:hghghgruru,:12:fghg,hgh,:22:...  fghg,hg
1    57  :42:ags,hhhjd,:57:hghg,hgruru,:120:fghgh,gh,:1...  hghg,hg