python - 如何将函数的返回值写入 pandas 数据帧的新列

Question

我有一个 pandas 数据框，其中包含一列字符串(以逗号分隔的子字符串)。我想删除一些子字符串并将剩余的子字符串写入同一数据帧中的新列。

我为此编写的代码如下所示:

def remove_betas(df):
    for index,row in df.iterrows():
        list= row['Column'].split(',')
        if 'substring' in list:
            list.remove('beta-lactam')
            New= (',').join(list)
        elif not 'substring' in list:
            New= (',').join(Gene_list)
    return New
    df['NewColumn'].iloc[index]=New






 df.apply(remove_betas, axis=1)

当我运行它时，我的新列仅包含零。此代码背后的想法是获取 df 中每一行的每个字符串，以逗号将其拆分为子字符串，并在结果列表中搜索我想要删除的子字符串。删除后，我将列表重新连接成一个字符串，并将其写入 df 的新列，与相应行的索引位置相同。

我必须更改什么才能以所需的方式将生成的子字符串写入新列？

编辑

顺便说一下，我尝试编写一个 lambda 表达式，如 how to compute a new column based on the values of other columns in pandas - python 所示。 ，但我无法真正弄清楚如何在矢量化函数中完成所有操作。

我还尝试将子字符串替换为空(如 df.column.replace('x,?', '') ，但这不起作用，因为我必须稍后对列表进行计数。因此必须删除子字符串，如 list.remove('substring')

Answer 1

为什么不采用单行正则表达式解决方案:

import re

df = pd.DataFrame({'col1':[3,4,5],'col2':['a,ben,c','a,r,ben','cat,dog'],'col3':[1,2,3]})

#In [220]: df
#Out[220]:
#   col1     col2  col3
#0     3  a,ben,c     1
#1     4  a,r,ben     2
#2     5  cat,dog     3

df['new'] = df.col2.apply(lambda x: re.sub(',?ben|ben,?', '', x))

#In [222]: df
#Out[222]:
#   col1     col2  col3      new
#0     3  a,ben,c     1      a,c
#1     4  a,r,ben     2      a,r
#2     5  cat,dog     3  cat,dog

或者只是使用替换:

In [272]: df.col2.str.replace(',?ben|ben,?', '',case=False)
Out[272]:
0        a,c
1        a,r
2    cat,dog
Name: col2, dtype: object