python - 按列中的部分字符串值对熊猫数据框进行切片

Question

我有一个 pandas 数据框，其中包含一个包含 9 个字符串的列。我想在数据框中找到与该字符串中 9 个字符中的前 3 个匹配的行。

我当前的解决方案在数据框中创建了一个新列，它只是对字符串的前 3 个字符进行切片，但我想在不创建新列的情况下解决这个问题（因为我以后必须删除它）。如果可以提供帮助，我通常不喜欢更改数据框。

例子：

import pandas as pd

# sample dataframe:
cid=[1,2,3,4,5,6,7,8,9,10]
strings=[
    'tncduuqcr',
    'xqjfykalt',
    'arzouazgz',
    'tncknojbi',
    'xqjgfcekh',
    'arzupnzrx',
    'tncfjxyox',
    'xqjeboxdn',
    'arzphbdcs',
    'tnctnfoyi',
]

df=pd.DataFrame(list(zip(cid,strings)),columns=['cid','strings'])

# This is the step I would like to avoid doing:
df['short_strings']=df['strings'].str[0:3]

out_dict={}

for x in df['short_strings'].unique():
    df2=df[df['short_strings']==x]
    out_dict[x]=df2

# the separate dataframes:
for x in out_dict.keys():
    print(out_dict[x])

输出：

   cid    strings short_strings
0    1  tncduuqcr           tnc
3    4  tncknojbi           tnc
6    7  tncfjxyox           tnc
9   10  tnctnfoyi           tnc
   cid    strings short_strings
1    2  xqjfykalt           xqj
4    5  xqjgfcekh           xqj
7    8  xqjeboxdn           xqj
   cid    strings short_strings
2    3  arzouazgz           arz
5    6  arzupnzrx           arz
8    9  arzphbdcs           arz

我试过简单地比较==df['strings'].str[0:3]，但这似乎不起作用。

标签： pythonpandasstringdataframeslice

Answer 1

DataFrame.groupby()对于我们使用+的这种类型的操作GroupBy.__iter__()，这里的索引Series.unique比较慢：

mydict = dict(df.groupby(df.strings.str[:3]).__iter__())
print(mydict)

输出

{'arz':    cid    strings
 2    3  arzouazgz
 5    6  arzupnzrx
 8    9  arzphbdcs,
 'tnc':    cid    strings
 0    1  tncduuqcr
 3    4  tncknojbi
 6    7  tncfjxyox
 9   10  tnctnfoyi,
 'xqj':    cid    strings
 1    2  xqjfykalt
 4    5  xqjgfcekh
 7    8  xqjeboxdn}