দুটি পান্ডার কলামের স্ট্রিং কনটেনটেশন

Question 1

আমার একটি নিম্নলিখিত আছে DataFrame:

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

দেখে মনে হচ্ছে:

    bar foo
0    1   a
1    2   b
2    3   c

এখন আমি এর মতো কিছু পেতে চাই:

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

আমি কীভাবে এটি অর্জন করতে পারি? আমি নিম্নলিখিত চেষ্টা করেছিলাম:

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

তবে এটি আমাকে একটি ভুল ফলাফল দেয়:

>>>print df.ix[0]

bar                                                    a
foo    0    a
1    b
2    c
Name: bar is 0    1
1    2
2
Name: 0

বোবা প্রশ্নের জন্য দুঃখিত, তবে এই একটি পান্ডাস: একটি ডেটা ফ্রেমে দুটি কলাম একত্রিত করা আমার পক্ষে সহায়ক ছিল না।

Question 2

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

Question 3

এই প্রশ্নের ইতিমধ্যে উত্তর দেওয়া হয়েছে, তবে আমি বিশ্বাস করি যে পূর্বে আলোচিত নয় এমন কিছু দরকারী পদ্ধতির মিশ্রণে ফেলে দেওয়া এবং পারফর্মেন্সের দিক থেকে প্রস্তাবিত সমস্ত পদ্ধতির তুলনা করা ভাল হবে।

কর্মক্ষমতা ক্রমবর্ধমান ক্রমে এই সমস্যার কয়েকটি কার্যকর সমাধান এখানে দেওয়া হল are

`DataFrame.agg`

এটি একটি সহজ- str.formatভিত্তিক পদ্ধতির।

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

আপনি এখানে এফ স্ট্রিং বিন্যাস ব্যবহার করতে পারেন:

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

`char.array`ভিত্তিক কনটেনটেশন

কলামগুলিকে রূপান্তর করতে রূপান্তর করুন chararrays, তারপরে তাদের একসাথে যুক্ত করুন।

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

তালিকা বোঝার সঙ্গে`zip`

পান্ডে আন্ডাররেটেড তালিকা বোঝার কীভাবে হয় তা আমি বড় করে দেখতে পারি না।

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

বিকল্পভাবে, str.joinকনক্যাট ব্যবহার করে (আরও ভাল স্কেল হবে):

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

স্ট্রিং ম্যানিপুলেশনে তালিকা বোধগম্যতা অর্জন করে, কারণ স্ট্রিং অপারেশনগুলি ভেক্টরাইজ করা সহজাতভাবে শক্ত, এবং বেশিরভাগ পান্ডা "ভেক্টরাইজড" ফাংশনগুলি মূলত লুপগুলির চারপাশে মোড়ানো হয়। প্যান্ডাস সহ লুপগুলির জন্য আমি এই বিষয়টি সম্পর্কে ব্যাপকভাবে লিখেছি - কখন আমার যত্ন নেওয়া উচিত? । সাধারণভাবে, যদি আপনাকে সূচী প্রান্তিককরণ সম্পর্কে চিন্তা করতে না হয় তবে স্ট্রিং এবং রেজেক্স ক্রিয়াকলাপগুলির সাথে কাজ করার সময় একটি তালিকা বোধগম্যতা ব্যবহার করুন।

ডিফল্টরূপে উপরে উল্লিখিত তালিকাটি NaN গুলি পরিচালনা করে না। যাইহোক, আপনি সর্বদা একটি চেষ্টা মোড়ানো একটি ফাংশন লিখতে পারে - যদি আপনার এটি পরিচালনা করার প্রয়োজন হয় তবে।

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` পারফরম্যান্স পরিমাপ

পারফ্লোট ব্যবহার করে গ্রাফ উত্পন্ন হয়েছিল । এখানে সম্পূর্ণ কোড তালিকা ।

কার্যাদি

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'])])

Question 4

আপনার কোডের সমস্যাটি হ'ল আপনি প্রতিটি সারিতে অপারেশন প্রয়োগ করতে চান। আপনি এটি যেভাবে লিখেছেন তা পুরো 'বার' এবং 'ফু' কলামগুলিকে গ্রহণ করে, সেগুলিকে স্ট্রিংয়ে রূপান্তরিত করে এবং আপনাকে একটি বড় স্ট্রিং ফিরিয়ে দেয়। আপনি এটি লিখতে পারেন:

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

এটি অন্য উত্তরের চেয়ে লম্বা তবে আরও জেনেরিক (স্ট্রিং নয় এমন মানগুলির সাথে ব্যবহার করা যেতে পারে)।

Question 5

আপনি ব্যবহার করতে পারে

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

Question 6

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

Question 7

series.str.cat এই সমস্যার কাছে যাওয়ার সবচেয়ে নমনীয় উপায়:

জন্য df = pd.DataFrame({'foo':['a','b','c'], 'bar':[1, 2, 3]})

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

>>>  0    a is 1
     1    b is 2
     2    c is 3
     Name: foo, dtype: object

বা

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

>>>  0    1 is a
     1    2 is b
     2    3 is c
     Name: bar, dtype: object

সর্বাধিক গুরুত্বপূর্ণ (এবং বিপরীতে .join()), এটি আপনাকে প্যারামিটার Nullসহ মানগুলি উপেক্ষা বা প্রতিস্থাপন করতে দেয় allowsna_rep

Question 8

@ ড্যানিয়েলভেলকভ উত্তরটি হ'ল স্ট্রিং লিটারাল ব্যবহারের পক্ষে সঠিক একটি তবে দ্রুত:

# Daniel's
%timeit df.apply(lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1)
## 963 µs ± 157 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# String literals - python 3
%timeit df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1)
## 849 µs ± 4.28 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

দুটি পান্ডার কলামের স্ট্রিং কনটেনটেশন

DataFrame.agg

char.arrayভিত্তিক কনটেনটেশন

তালিকা বোঝার সঙ্গেzip

perfplot পারফরম্যান্স পরিমাপ

`DataFrame.agg`

`char.array`ভিত্তিক কনটেনটেশন

তালিকা বোঝার সঙ্গে`zip`

`perfplot` পারফরম্যান্স পরিমাপ