python，列上的字符串操作

Question

from datatable import dt, f, g, by, update, join, sort

tt = dt.Frame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})

print(tt)
   | a     b
-- + --  ---
 0 | A1  100
 1 | A2  200
 2 | A3  300

[3 rows x 2 columns]

如何删除a 列中的“A”，并将其作为datatable方式中的一个数字分配给新列“c”？

在pandas的帮助下，它会是这样的

tt['c'] = tt.to_pandas()['a'].str.replace('A','').astype(int)

datatable本机版本不能完全工作。

tt[:, update(c = [int(x.replace('A','')) for x in f.a])]
TypeError: 'datatable.FExpr' object is not iterable

顺便问一下，对于一个经常使用蟒蛇熊猫和R data.table的用户来说，是否有一本高级/完整的食谱可以帮助从R data.table过渡到py-datatable？网站上有一个页面，但还不够。

Answer 1

这里有一个不太适合扩展的黑客：

步骤1:将a列转储到本机python并创建值的元组：

tuples = [(entry[0], entry[-1]) for entry  in tt['a'].to_list()[0]]

步骤2：克林丁返回到tt框架：

tt.cbind(dt.Frame(tuples))

tt


    a   b   C0  C1
0   A1  100 A   1
1   A2  200 A   2
2   A3  300 A   3

如果您只需要A，那么您可以使用下面的代码，它仍然不能很好地缩放(假设您在列中有空值)，并且非常粗糙(我们必须索引到列表中才能得到我们想要的)：

tt["A_only"] = dt.Frame([entry[0] for entry in tt['a'].to_list()[0]])

tt

     a   b   A_only
0   A1  100     A
1   A2  200     A
2   A3  300     A

如前所述，这样做的规模并不大。此外，它没有提供datatable所要达到的速度。

目前，datatable没有很好的字符串操作支持(我认为库维护人员目前正在处理这个问题，以及其他一些要求的特性)

Answer 2

我知道这是一个老问题，但如果有人还在寻找这个问题--在刚刚发布的1.0.0中，我们可以这样做：

tt = dt.Frame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
tt["A_only"] = tt[:, f.a[0:1]]
tt["num_only"] = tt[:, f.a[1:]]
tt["num_only"] = dt.Type.int8  # Change the type of the column to `int`
tt.ltypes

上面使用字符串列的切片，即依赖于固定的格式。正则表达式也有一个.re部分，但我只看到了match，而没有看到extract。

Answer 3

这是我为了得到你想要的而做的一次黑客攻击。我仍然在学习数据，所以请容忍我，而我完全投入其中。

首先，将datatable转换为dataframe。执行前面列出的操作，然后将dataframe转换回datatable。现在，您有了一个具有所需结果的datatable。

所以我就是这么做的。

from datatable import dt, f, g, by, update, join, sort
tt = dt.Frame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
df = tt.to_pandas()
df = df.join(df.a.str.extract('([a-zA-Z])([0-9])', expand=True).add_prefix('a'))
df = df.rename(columns = {'a0': 'c', 'a1': 'd'})
tt = dt.Frame(df)
tt

这方面的产出如下：

​

​

可以拆分该列并重命名该字段。

import pandas as pd
df = pd.DataFrame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
print (df)
df = df.join(df['a'].str.split(r'(\d.*)', expand=True).add_prefix('a'))
df.drop('a2',axis = 1,inplace=True)
df = df.rename(columns = {'a0': 'c', 'a1': 'd'})
print (df)

产出如下：

最初的DataFrame将是：

    a    b
0  A1  100
1  A2  200
2  A3  300

新的DataFrame将如下所示：

    a    b  c  d
0  A1  100  A  1
1  A2  200  A  2
2  A3  300  A  3

另外，您还可以使用extract和正则表达式来完成它。

import pandas as pd
df1 = pd.DataFrame({'a' : ['A1','A2','A3'], 'b':[100,200,300]})
df1 = df1.join(df1.a.str.extract('([a-zA-Z])([0-9])', expand=True).add_prefix('a'))
df1 = df1.rename(columns = {'a0': 'c', 'a1': 'd'})
print (df1)

它会给你同样的结果：

    a    b
0  A1  100
1  A2  200
2  A3  300

在此选项中，它不创建需要删除的附加列。

    a    b  c  d
0  A1  100  A  1
1  A2  200  A  2
2  A3  300  A  3