Desarrollo de Python
  1. Desarrollo de Python
  3. Concatenación de cuerdas de dos columnas pandas.
Intereting Posts
¿Cómo le digo a matplotlib que he terminado con una ttwig? En Python, ¿por qué usar el registro en lugar de imprimir? Diferencia entre os.execl () y os.execv () en python Python convierte una cadena a un operador Raspar la página de seguidores de Instagram usando selenium y python ¿Coeficientes de correlación para matriz dispersa en python? Agregue horas adicionales a las columnas de marca de tiempo en el dataframe Pyspark ¿Cómo puedo saber si una cadena se repite en Python? ¿Puedo instalar Python 3.xy 2.x en la misma computadora con Windows? La cookie Django CSRF no está configurada correctamente Números binarios en Python Error de la función recursiva de Python: “se excedió la profundidad máxima de recursión” Argumentos nesteds no comstackndo NumPy o SciPy para calcular la mediana ponderada hashlib.md5 () TypeError: los objetos Unicode se deben codificar antes del hashing

Concatenación de cuerdas de dos columnas pandas.

Tengo un siguiente DataFrame : 

 from pandas import * df = DataFrame({'foo':['a','b','c'], 'bar':[1, 2, 3]})

Se parece a esto: 

  bar foo 0 1 a 1 2 b 2 3 c

Ahora quiero tener algo como: 

  bar 0 1 is a 1 2 is b 2 3 is c

¿Cómo puedo conseguir esto? Intenté lo siguiente: 

 df['foo'] = '%s is %s' % (df['bar'], df['foo'])

pero me da un resultado equivocado: 

 >>>print df.ix[0] bar a foo 0 a 1 b 2 c Name: bar is 0 1 1 2 2 Name: 0

Lo siento por una pregunta tonta, pero este pandas: combinar dos columnas en un DataFrame no fue útil para mí.

df['bar'] = df.bar.map(str) + " is " + df.foo .

El problema en su código es que desea aplicar la operación en cada fila. La forma en que lo has escrito toma las columnas ‘bar’ y ‘foo’ completas, las convierte en cadenas y te devuelve una cadena grande. Puedes escribirlo como: 

 df.apply(lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1)

Es más largo que la otra respuesta pero es más genérico (puede usarse con valores que no son cadenas).

También podrías usar 

 df['bar'] = df['bar'].str.cat(df['foo'].values.astype(str), sep=' is ')

Aquí hay más soluciones, en orden creciente de rendimiento.

DataFrame.agg

Este es un enfoque simple basado en str.format . 

 df['baz'] = df.agg('{0[bar]} is {0[foo]}'.format, axis=1) df foo bar baz 0 a 1 1 is a 1 b 2 2 is b 2 c 3 3 is c

También puede utilizar el formato de cadena f aquí: 

 df['baz'] = df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1) df foo bar baz 0 a 1 1 is a 1 b 2 2 is b 2 c 3 3 is c

Concatenación basada en char.array

Convierta las columnas para concatenar como chararrays , luego agréguelas. 

 a = np.char.array(df['bar'].values) b = np.char.array(df['foo'].values) df['baz'] = (a + b' is ' + b).astype(str) df foo bar baz 0 a 1 1 is a 1 b 2 2 is b 2 c 3 3 is c

Comprensión de lista con zip

No puedo exagerar el grado de comprensión de las listas subestimadas en pandas. 

 df['baz'] = [str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])]

Alternativamente, usar str.join to concat (también escalará mejor): 

 df['baz'] = [ ' '.join([str(x), 'is', y]) for x, y in zip(df['bar'], df['foo'])] 

 df foo bar baz 0 a 1 1 is a 1 b 2 2 is b 2 c 3 3 is c

Las comprensiones de listas sobresalen en la manipulación de cadenas, porque las operaciones de cadenas son intrínsecamente difíciles de vectorizar, y la mayoría de las funciones “vectorizadas” de los pandas son básicamente envoltorios alrededor de los bucles. He escrito mucho sobre este tema en Para bucles con pandas: ¿cuándo debería importarme? . En general, si no tiene que preocuparse por la alineación del índice, use una comprensión de lista cuando trate con operaciones de cadenas y expresiones regulares.

La lista comp arriba de manera predeterminada no maneja los NaN. Sin embargo, siempre puede escribir una función envolviendo un bash, excepto si necesita manejarlo. 

 def try_concat(x, y): try: return str(x) + ' is ' + y except (ValueError, TypeError): return np.nan df['baz'] = [try_concat(x, y) for x, y in zip(df['bar'], df['foo'])]

perfplot rendimiento de perfplot : configuración y tiempos

Podemos perfplot estas soluciones usando perfplot : 

 data = {'bar': {0: 1, 1: 2, 2: 3}, 'foo': {0: 'a', 1: 'b', 2: 'c'}} df_ = pd.DataFrame(data) perfplot.show( setup=lambda n: pd.concat([df_] * n, ignore_index=True), kernels=[ brenbarn, danielvelkov, chrimuelle, vladimiryashin, erickfis, cs1_format, cs1_fstrings, cs2, cs3 ], labels=[ 'brenbarn', 'danielvelkov', 'chrimuelle', 'vladimiryashin', 'erickfis', 'cs1_format', 'cs1_fstrings', 'cs2', 'cs3' ], n_range=[2**k for k in range(0, 8)], xlabel='N (x len(df_))', logy=True, equality_check=lambda x, y: (x == y).values.all() )

introduzca la descripción de la imagen aquí

El rendimiento es relativo; La gráfica es logarítmica a lo largo del eje Y.

Funciones 

 def brenbarn(df): return df.assign(baz=df.bar.map(str) + " is " + df.foo) def danielvelkov(df): return df.assign(baz=df.apply( lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1)) def chrimuelle(df): return df.assign( baz=df['bar'].astype(str).str.cat(df['foo'].values, sep=' is ')) def vladimiryashin(df): return df.assign(baz=df.astype(str).apply(lambda x: ' is '.join(x), axis=1)) def erickfis(df): return df.assign( baz=df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1)) def cs1_format(df): return df.assign(baz=df.agg('{0[bar]} is {0[foo]}'.format, axis=1)) def cs1_fstrings(df): return df.assign(baz=df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1)) def cs2(df): a = np.char.array(df['bar'].values) b = np.char.array(df['foo'].values) return df.assign(baz=(a + b' is ' + b).astype(str)) def cs3(df): return df.assign( baz=[str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])]) 
 df.astype(str).apply(lambda x: ' is '.join(x), axis=1) 0 1 is a 1 2 is b 2 3 is c dtype: object

La respuesta de @DanielVelkov es la correcta PERO el uso de literales de cadena es 10 veces más rápido 

 # Daniel's %timeit df.apply(lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1) # String literals - python 3 %timeit df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1)