将 pandas 数据框中的字符串拆分为 3 个（三元组）

Question

我有一个像这样的 df：col1AAP CO. LTD.AAS dds dTdD.我正在尝试创建一个函数来生成 pandas df 列，就像col2它分割col1每 3 个（或 n 个）字符一样：col1           col2AAP CO. LTD.   ['AAP','AP ','P C','CO.','O. '...]AAS dds dTdD.  ['AAS','AS ','S d','dds','ds '...]我已经尝试过这段代码，但它只是为每一行重复相同的字符串列表......def trigram(self):    for b in df.parent_org_name:        a = ["".join(j) for j in zip(*[b[i:] for i in range(3)])]    #     [b[i:i+3] for i in range(len(b)-1)]    return a    #     print(a)    df.apply(trigram, axis=1)有任何想法吗？

Answer 1

您可以添加更多逻辑，具体取决于如果您提供的N大于字符串长度的情况会发生什么（目前我在列表中返回原始字符串）。

字符串切片，将切片开始和停止索引增加 1，并确保到达字符串末尾后停止，否则可能会返回长度 <N 的子字符串。

import numpy as np

def split_str(s, N):

    rmax = np.clip(len(s)-N, a_min=0, a_max=None)+1

    return [s[0+i:N+i] for i in range(0, rmax)]

df['col1'].apply(lambda x: split_str(x, 3))

#0    [AAP, AP , P C,  CO, CO., O. , . L,  LT, LTD, ...

#1    [AAS, AS , S d,  dd, dds, ds , s d,  dT, dTd, ...

#Name: col1, dtype: object

# To show actual values

df['col1'].apply(lambda x: split_str(x, 3))[0]

#['AAP', 'AP ', 'P C', ' CO', 'CO.', 'O. ', '. L', ' LT', 'LTD', 'TD.']

Answer 2

我想这就是你所需要的:)。如果需要使用不同于 3 的参数 n 来运行它，那么他们可以相应地更改括号中的 i+3

df["col2"] = df.apply(lambda x: [x[0][i:i+3] for i in range(0, len(x[0]))],axis=1) 

#The result looks as follows

   col1          col2

0  AAP CO. LTD.  [AAP, AP , P C,  CO, CO., O. , . L,  LT, LTD, ... 

1  AAS dds dTdD. [AAS, AS , S d,  dd, dds, ds , s d,  dT, dTd, ... 

Answer 3

不要循环遍历所有行，而是更改函数定义，如下所示 -

def trigram(self):

    b=self.col1

    a = ["".join(j) for j in zip(*[b[i:] for i in range(3)])]

#        a = ["".join(j) for j in zip(*[b[i:] for i in range(3)])]

    #     [b[i:i+3] for i in range(len(b)-1)]

    return a