如何从B列的字符串中删除A列的字符串

Question

想知道如果您有两列（A = 'Name'，B = 'Name_Age'），有没有一种快速的方法可以从 'Name_Age' 中删除 'Name' 以便您可以快速获取 'Age'，就像一个反转级联？？

我考虑过“字符串拆分”，但在某些情况下（当没有字符串拆分因素时）我确实需要一种方法来从另一列的字符串中删除一列的字符串。

#example data below:

import pandas as pd

data =  {'Name':['Mark','Matt','Michael'], 'Name_Age':['Mark 14','Matt 29','Michael 18']}

df = pd.DataFrame(data)

Answer 1

您可以尝试使用 pandas apply 函数，它可以让您定义自己的函数以传递给数据帧的每一行：

def age_from_name_age(name, name_age):
    return name_age.replace(name, '').strip()

df['Age'] = df.apply(lambda x: age_from_name_age(x['Name'], x['Name_Age']),
                     axis='columns')

age_from_name_age 接受两个字符串（一个名字和一个名字_年龄），只返回年龄。然后，在 apply 语句中，我定义了一个匿名 lambda 函数，它只接受一行并将正确的字段传递给 age_from_name_age。

Answer 2

使用字符串切片：

df['Age'] = df.apply(lambda row: row['Name_Age'][len(row['Name']):], axis=1).astype(int)

Answer 3

您可以使用str.split() 将值与使用空格分隔符的列名分开，然后用新名称重命名列。

1) 使用str.split()

>>> df['Name_Age'].str.split(" ", expand=True).rename(columns={0:'Name', 1:'Age'})
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

或

>>> df = df['Name_Age'].str.split(" ", expand=True).rename(columns={0:'Name', 1:'Age'})
>>> df
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

或者，通过将拆分后的列表转换为新的数据框：

>>> pd.DataFrame(df.Name_Age.str.split().tolist(), columns="Name Age".split())
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

2) 使用str.partition 的另一个选项

>>> df['Name_Age'].str.partition(" ", True).rename(columns={0:'Name', 2:'Age'}).drop(1, axis=1)
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18

3) 另一个使用df.assign 和lambda

使用split() 和默认分隔符，如下所示，并使用新列Age 重新分配值。

>>> df.assign(Age = df.Name_Age.apply(lambda x: x.split()[1]))
      Name    Name_Age Age
0     Mark     Mark 14  14
1     Matt     Matt 29  29
2  Michael  Michael 18  18

OR

>>> df.Name_Age.apply(lambda x: pd.Series(str(x).split())).rename({0:"Name",1:"Age"}, axis=1)
      Name Age
0     Mark  14
1     Matt  29
2  Michael  18