假设我有以下数据框:
df = pd.DataFrame({'name':['a', 'b', 'c','d','e'], 'description':['vim2tests','vim2trial','vim3tests','vim3zip', 'vim4trial'], 'count':[4,5,6,7,8]})
我试图将其分成3个数据帧,其中包含“ description”条目包含“ vim2”,“ vim3”,“ vim4”子字符串的行。
有有效的方法吗?我可以实现一个for循环来查找所需行的索引,但这根本没有效率,而且我正在努力寻找如何做一个更好的方法。
IIUC,只需创建一个条件列即可groupby
使用str.extract
我们可以将数据框保存在字典中。
dfs = {group : data.drop('key',1) for group,data in
df.assign(key=df['description'].str.extract('(vim\d+)'))\
.groupby('key')
}
print(dfs['vim3'])
name description count
2 c vim3tests 6
3 d vim3zip 7
print(dfs.keys())
dict_keys(['vim2', 'vim3', 'vim4'])
或anky的简单得多的解决方案-
dfs = dict(tuple(
df.groupby(df['description'].str.extract('(vim\d+)'
,expand=False))
))
要么:
dict(iter(df.groupby(df['description'].str.extract('(vim\d+)',expand=False)))
print(dfs)
{'vim2': name description count
0 a vim2tests 4
1 b vim2trial 5,
'vim3': name description count
2 c vim3tests 6
3 d vim3zip 7,
'vim4': name description count
4 e vim4trial 8}
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句