在 DataFrame 中拆分字符串并仅保留某些部分

Question

我有一个这样的数据框：

x = ['3.13.1.7-2.1', '3.21.1.8-2.2', '4.20.1.6-2.1', '4.8.1.2-2.0', '5.23.1.10-2.2']
df = pd.DataFrame(data = x, columns = ['id'])

    id
0   3.13.1.7-2.1
1   3.21.1.8-2.2
2   4.20.1.6-2.1
3   4.8.1.2-2.0
4   5.23.1.10-2.2

我需要在句点上拆分每个 id 字符串，然后我需要知道第二部分何时为 13，第三部分何时为 1。理想情况下，我会有一个额外的列是布尔值（在上面例如，索引 0 为 TRUE，其他所有为 FALSE）。但是我可以使用多个附加列，其中一个或多个包含单独的字符串部分，一个用于所述布尔值。

我首先尝试将字符串分成几部分：

df['id_split'] = df['id'].apply(lambda x: str(x).split('.'))

这行得通，但是如果我尝试像这样仅隔离字符串的第二部分...

df['id_split'] = df['id'].apply(lambda x: str(x).split('.')[1])

...我收到列表索引超出范围的错误。

但是，如果我像这样检查 DataFrame 中的任何单个索引...

df['id_split'][0][1]

...这行得通，只产生字符串列表中的第二项。

我想我对 .apply() 方法的作用还不够熟悉，无法知道它为什么不接受列表索引。但无论如何，我想知道如何隔离每个字符串的第二部分和第三部分，检查它们的值，并以可扩展的方式输出基于这些值的布尔值（实际数据集是数百万行）。谢谢！

Answer 1

让我们使用str.split获取零件，然后您可以比较：

parts = df['id'].str.split('\.', expand=True)

(parts[[1,2]] == ['13','1']).all(1)

输出：

0     True
1    False
2    False
3    False
4    False
dtype: bool

Answer 2

你可以这样做

df['flag'] = df['id'].apply(lambda x: True if x.split('.')[1] == '13' and x.split('.')[2]=='1' else False)

输出

            id   flag
0   3.13.1.7-2.1   True
1   3.21.1.8-2.2  False
2   4.20.1.6-2.1  False
3    4.8.1.2-2.0  False
4  5.23.1.10-2.2  False

Answer 3

你可以直接做，如下：

df['new'] = df['id'].apply(lambda x: str(x).split('.')[1]=='13' and str(x).split('.')[2]=='1')

>>> print(df)
              id    new
0   3.13.1.7-2.1   True
1   3.21.1.8-2.2  False
2   4.20.1.6-2.1  False
3    4.8.1.2-2.0  False
4  5.23.1.10-2.2  False