Desarrollo de Python
  1. Desarrollo de Python
  3. Rápidamente aplicando operaciones de cadena en un dataframe de pandas.
Intereting Posts
Mantener el orden de la lista en paginación sql Pandas DataFrame: normaliza una columna JSON y combina con otras columnas En Python, ¿puedes llamar a un método de instancia de clase A, pero pasar en una instancia de clase B? ¿Cómo evitar que el flujo de air de relleno dag ejecute? Solicitudes de Python a través de VPN dando 502 Puerta de enlace incorrecta Cómo obtener la hora actual del Reino Unido en Google App Engine Enlace de datos AngularJs en respuesta ajax html Registros de Django: cualquier tutorial para iniciar sesión en un archivo ¿Hay alguna forma de implementar un nuevo código con Tornado / Python sin reiniciar el servidor? ¿Actualizar el valor de un parámetro no actualiza el resultado de la función? Ordenar una serie de pandas por el índice ¿Alguna diferencia entre dir () y locals () en Python? UnboundLocalError: variable local … referenciada antes de la asignación Servidor de archivos simple para servir al directorio actual ¿Cuál es la diferencia entre una función, un método independiente y un método vinculado?

Rápidamente aplicando operaciones de cadena en un dataframe de pandas.

Supongamos que tengo un DataFrame con 100k filas y un name columna. Me gustaría dividir este nombre en nombre y apellido tan eficientemente como sea posible. Mi método actual es, 

 def splitName(name): return pandas.Series(name.split()[0:2]) df[['first', 'last']] = df.apply(lambda x: splitName(x['name']), axis=1)

Desafortunadamente, DataFrame.apply es muy, muy lento. ¿Hay algo que pueda hacer para que esta operación de cadena sea tan rápida como una operación numpy ?

¡Gracias!

Probar (requiere pandas> = 0.8.1): 

 splits = x['name'].split() df['first'] = splits.str[0] df['last'] = splits.str[1]