首頁猿問 Python/Pandas：獲取列...

Python/Pandas：獲取列中項目的索引

Python

慕田峪9158850 2023-04-18 15:08:24

我有一個包含以下列的 Pandas dataframe(df)：df["ids"]0 18281483,16583915471 1268212,1280644302 13465424253 13591493,13123669,35938208df[“編號”]0 182814831 12682122 13465424253 13123669我想找出“ids”的哪個順序可以找到相應的“id”，并在新列“order”中輸出相應的值。嘗試了以下代碼但沒有成功：df["order"] = df["ids"].str.split(",").index(df["id"])----------------------------------------------------------------------TypeError: 'Int64Index' object is not callable有語法錯誤嗎？我手動嘗試了對每一行的拆分和索引函數（通過插入列表和字符串），它起作用了。期望的輸出：df[“訂單”]0 01 02 0 3 1

查看完整描述

3 回答

小怪獸愛吃肉

TA貢獻1852條經驗獲得超1個贊

嘗試：

df['output'] = df.astype(str).apply(lambda x: x['ids'].split(',').index(x['id']), axis=1)

輸出：

ids id output

0 18281483,1658391547 18281483 0

1 1268212,128064430 1268212 0

2 1346542425 1346542425 0

3 13591493,13123669,35938208 13123669 1

反對回復 2023-04-18

aluckdog

TA貢獻1847條經驗獲得超7個贊

這是一種方法，

def index_(ids, id):

split_ = ids.split(",")

if id in split_:

return split_.index(id)

else:

return -1

print(

df.assign(id = df1.id.astype(str))

.apply(lambda x: index_(x.ids, x.id), axis=1)

)

0 0

1 0

2 0

3 1

dtype: int64

反對回復 2023-04-18

慕絲7291255

TA貢獻1859條經驗獲得超6個贊

真的不應該apply在這里使用。在更大的 Dataframes 上，它會非常慢。廣播比較會工作得很好。

(df["ids"].str.split(",", expand=True) == df["id"][:, None]).idxmax(1)

0 0

1 0

2 0

3 1

dtype: int64

表現

d = {'ids': {0: '18281483,1658391547',

1: '1268212,128064430',

2: '1346542425',

3: '13591493,13123669,35938208'},

'id': {0: '18281483',

1: '1268212',

2: '1346542425',

3: '13123669'}}

df = pd.DataFrame(d)

df = pd.concat([df] * 1000)

%timeit (df["ids"].str.split(",", expand=True) == df["id"][:, None]).idxmax(1)

7.51 ms ± 61.4 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df.apply(lambda x: x['ids'].split(',').index(x['id']), axis=1)

54.1 ms ± 249 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)

反對回復 2023-04-18

3 回答
0 關注
303 瀏覽

關注

添加回答

舉報

0/150

提交

取消

亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

熱搜

最近搜索清空

Python/Pandas：獲取列中項目的索引

Python/Pandas：獲取列中項目的索引

3 回答

添加回答