我有一个大型 pandas 数据框 df1
,其中包含 col1
中的整个用户代理以及 col2
中包含的 Chrome 版本 (col2
是根据应用于 col1
的正则表达式模式生成的。
col1, col2
Mozilla/5.0 (X11; Linux x86_64) Chrome/14.0.2785.89 Safari/537.36, Chrome/14
Mozilla/5.0 (X11; Linux x86_64) Chrome/15.0.2743.98 Safari/537.36, Chrome/15
Mozilla/5.0 (X11; Linux x86_64) Chrome/22 Safari/537.36, None
如果 col2
中的 Chrome 版本号低于阈值,我想将 col1
中的 Chrome 版本号替换为高于阈值的随机整数。请注意,如果满足阈值,则 col2
为 None
。
我知道在这种情况下,我需要使用 axis = 1
进行 df.apply
以便同时访问两个列值。
但是,当我这样做时:
df1.loc[(df1.col2 is not None), 'col1'] =
df1.apply(lambda x: x['col1'].replace(x['col2'], randint(20, 60)), axis=1)
我产量:
TypeError: ('expected a string or other character buffer object', u'occurred at index 0')
如何替换 pandas 数据框列中由后面的列定义的变量子字符串?
对我不起作用的解决方案(原因):
Python Pandas removing substring using another column (太慢)
replace substring in pandas data frame column (不适用于可变子串)
最佳答案
完全不需要申请
。将 str.replace
与回调一起使用:
from random import randint
m = df.col2.notna()
df.loc[m, 'col1'] = df.loc[m, 'col1'].str.replace(
r'(?<=Chrome/).*?(?=\s)', lambda x: str(randint(20, 60))
)
df
col1 col2
0 Mozilla/5.0 (X11; Linux x86_64) Chrome/51 Safa... Chrome/14
1 Mozilla/5.0 (X11; Linux x86_64) Chrome/26 Safa... Chrome/15
2 Mozilla/5.0 (X11; Linux x86_64) Chrome/22 Safa... None
关于python - 如何替换 pandas 数据框列中由后面的列定义的变量子字符串?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49248658/