根据前两个字母替换 pandas 数据框列的部分内容

Question

我有一个 pandas 数据框，我需要根据前两个字母有条件地更新值。该模式很简单，下面的代码也可以工作，但感觉不像Python。我需要将其扩展到其他字母（至少 11-19/AJ），虽然我可以添加额外的行，但我真的很想以正确的方式执行此操作。现有代码如下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:]我想我也许可以使用字母列表，比如letters = list(string.ascii_uppercase)但我对数据帧（以及一般的Python）很陌生，并且无法弄清楚获得相当于以下数据帧的语法letters = list(string.ascii_uppercase)text = '1523456789'first = int(text[:2])text = letters[first-11] + text[-7:]我无法找到解决此问题的方法，但如果有任何帮助或类似问题的链接（如果存在），我将不胜感激。谢谢。

Answer 1

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:]

Answer 2

我会尝试制作一本字典并用来map加快速度。

要创建查找字典，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来避免 for 循环。

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, )

结果是：

  Reference_ID Reference_new

0    112326345      A2326345

1  12223356354      B3356354

2   6735435634           NaN