如何从熊猫的另一列中减去字符串类型的列值

Question

我有一个这样的数据框dfcol1         col2          col3 A        black berry      black B        green apple      green C        red wine          red我想从 col2 值中减去 col3 值，结果看起来像df1col1        col2        col3  A         berry       black  B         apple       green  C          wine        red如何使用熊猫以有效的方式做到这一点

Answer 1

list comprehension与replace和 一起使用split：

df['col2'] = [a.replace(b, '').strip() for a, b in zip(df['col2'], df['col3'])]

print (df)

  col1   col2   col3

0    A  berry  black

1    B  apple  green

2    C   wine    red

如果顺序不重要，则将拆分的值转换为集合并减去：

df['col2'] = [' '.join(set(a.split())-set([b])) for a, b in zip(df['col2'], df['col3'])]

print (df)

  col1   col2   col3

0    A  berry  black

1    B  apple  green

2    C   wine    red

或者使用带有if条件和的生成器join：

df['col2'] = [' '.join(c for c in a.split() if c != b) for a, b in zip(df['col2'], df['col3'])]

性能:

这是用于生成上面的perfplot的设置：

def calculation(val):

    return val[0].replace(val[1],'').strip()

def regex(df):

    df.col2=df.col2.replace(regex=r'(?i)'+ df.col3,value="")

    return df

def lambda_f(df):

    df["col2"] = df.apply(lambda x: x["col2"].replace(x["col3"], "").strip(), axis=1)

    return df

def apply(df):

    df['col2'] = df[['col2','col3']].apply(calculation, axis=1)

    return df

def list_comp1(df):

    df['col2'] = [a.replace(b, '').strip() for a, b in zip(df['col2'], df['col3'])]

    return df

def list_comp2(df):

    df['col2'] = [' '.join(set(a.split())-set([b])) for a, b in zip(df['col2'], df['col3'])]

    return df

def list_comp3(df):

    df['col2'] = [' '.join(c for c in a.split() if c != b) for a, b in zip(df['col2'], df['col3'])]

    return df

def make_df(n):

    d = {'col1': {0: 'A', 1: 'B', 2: 'C'}, 'col2': {0: 'black berry', 1: 'green apple', 2: 'red wine'}, 'col3': {0: 'black', 1: 'green', 2: 'red'}}

    df = pd.DataFrame(d)

    df = pd.concat([df] * n * 100, ignore_index=True)

    return df

perfplot.show(

    setup=make_df,

    kernels=[regex, lambda_f, apply, list_comp1,list_comp2,list_comp3],

    n_range=[2**k for k in range(2, 10)],

    logx=True,

    logy=True,

    equality_check=False,  # rows may appear in different order

    xlabel='len(df)')