第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問(wèn)題,去搜搜看,總會(huì)有你想問(wèn)的

根據(jù)前兩個(gè)字母替換 pandas 數(shù)據(jù)框列的部分內(nèi)容

根據(jù)前兩個(gè)字母替換 pandas 數(shù)據(jù)框列的部分內(nèi)容

慕尼黑5688855 2023-06-27 16:46:20
我有一個(gè) pandas 數(shù)據(jù)框,我需要根據(jù)前兩個(gè)字母有條件地更新值。該模式很簡(jiǎn)單,下面的代碼也可以工作,但感覺(jué)不像Python。我需要將其擴(kuò)展到其他字母(至少 11-19/AJ),雖然我可以添加額外的行,但我真的很想以正確的方式執(zhí)行此操作?,F(xiàn)有代碼如下df['REFERENCE_ID'] = df['PRECERT_ID'].astype(str)df.loc[df['REFERENCE_ID'].str.startswith('11'), 'REFERENCE_ID'] = 'A' + df['PRECERT_ID'].str[-7:]df.loc[df['REFERENCE_ID'].str.startswith('12'), 'REFERENCE_ID'] = 'B' + df['PRECERT_ID'].str[-7:]df.loc[df['REFERENCE_ID'].str.startswith('13'), 'REFERENCE_ID'] = 'C' + df['PRECERT_ID'].str[-7:]df.loc[df['REFERENCE_ID'].str.startswith('14'), 'REFERENCE_ID'] = 'D' + df['PRECERT_ID'].str[-7:]df.loc[df['REFERENCE_ID'].str.startswith('15'), 'REFERENCE_ID'] = 'E' + df['PRECERT_ID'].str[-7:]我想我也許可以使用字母列表,比如letters = list(string.ascii_uppercase)但我對(duì)數(shù)據(jù)幀(以及一般的Python)很陌生,并且無(wú)法弄清楚獲得相當(dāng)于以下數(shù)據(jù)幀的語(yǔ)法letters = list(string.ascii_uppercase)text = '1523456789'first = int(text[:2])text = letters[first-11] + text[-7:]我無(wú)法找到解決此問(wèn)題的方法,但如果有任何幫助或類(lèi)似問(wèn)題的鏈接(如果存在),我將不勝感激。謝謝。
查看完整描述

2 回答

?
慕絲7291255

TA貢獻(xiàn)1859條經(jīng)驗(yàn) 獲得超6個(gè)贊

df['REFERENCE_ID'] = df['PRECERT_ID'].astype(str)


# Save all uppercase english letters in a list

letters = list(string.ascii_uppercase)


# Enumerate over the letters list and start with 11 as the OP wants in this way only. 

# All the uppercase english letters and corresponding numbers starting with 11. 

for i,l in enumerate(letters, start=11):

    df.loc[df['REFERENCE_ID'].str.startswith(str(i)), 'REFERENCE_ID'] = l + df['PRECERT_ID'].str[-7:]



查看完整回答
反對(duì) 回復(fù) 2023-06-27
?
千巷貓影

TA貢獻(xiàn)1829條經(jīng)驗(yàn) 獲得超7個(gè)贊

我會(huì)嘗試制作一本字典并用來(lái)map加快速度。


要?jiǎng)?chuàng)建查找字典,您可以使用:


lu_dict = dict(zip([str(i) for i in range(11,20)],[chr(i) for i in range(65,74)]))

返回:


{'11': 'A',

 '12': 'B',

 '13': 'C',

 '14': 'D',

 '15': 'E',

 '16': 'F',

 '17': 'G',

 '18': 'H',

 '19': 'I'}

然后你可以使用它.str.slice.map來(lái)避免 for 循環(huán)。


df = pd.DataFrame(data = {'Reference_ID':['112326345','12223356354','6735435634']})

df.Reference_ID = df.Reference_ID.astype(str)


df.loc[:,'Reference_new'] = df.Reference_ID.str.slice(0,2).map(lu_dict) + df.Reference_ID.str.slice(-7, )

結(jié)果是:


  Reference_ID Reference_new

0    112326345      A2326345

1  12223356354      B3356354

2   6735435634           NaN


查看完整回答
反對(duì) 回復(fù) 2023-06-27
  • 2 回答
  • 0 關(guān)注
  • 152 瀏覽
慕課專(zhuān)欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)