python数据表，列上的字符串操作

Question

from datatable import dt, f, g, by, update, join, sorttt = 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”并将其作为数据表中的数字分配给新列“c”（即没有熊猫）？在以下的帮助下它看起来像这样pandastt['c'] = tt.to_pandas()['a'].str.replace('A','').astype(int)数据表本机版本不太有效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 python pandas 和 R data.table 的频繁用户，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

这是一个扩展性不是很好的 hack：

第 1 步：将a列转储到本机 python 中并创建一个值元组：

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

第 2 步：cbind回框架tt：

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

如果你只需要 A，那么你可以使用下面的代码，它仍然不能很好地扩展（想象你的列中有空值），并且很粗糙（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，这不能很好地扩展。此外，它没有提供数据表所期望的速度。

目前，数据表没有很好的字符串操作支持（我相信库维护者目前正在努力解决这个问题，以及其他一些要求的功能）

Answer 2

我知道这是一个老问题，但万一有人仍在寻找这个问题——在刚刚发布的 1.0.0 中，可以执行以下操作：

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

上面使用了字符串列上的切片，即依赖于固定格式。还有.re正则表达式的部分，但我只看到match，没有看到extract。

Answer 3

这是我为了得到你想要的东西而做的一个技巧。我仍在学习数据表，所以请耐心等待我完全进入它。

首先，将数据表转换为数据框。执行我前面列出的操作，然后将数据帧转换回数据表。Walla，您现在拥有一个包含所需结果的数据表。

我就是这样做的。

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

其输出将是：

您可以拆分列并重命名字段。

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)

输出将是：

初始数据框将是：

    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

或者，您也可以使用extract正则表达式来完成此操作。

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)

它会给你相同的结果：

    a    b

0  A1  100

1  A2  200

2  A3  300

在此选项中，它不会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