Pandas：如果最后六个字符包含低于阈值的任何整数，则删除单元格

Question

请原谅我的标题；我很难总结一个复杂的问题。

我有一个看起来像这样的值的 pandas 数据框：

    col1         col2            col3          col4       
10_Q999999   111_Q4987666    110_Q277778   111_Q999999

假设阈值为 7。我需要获取该数据帧并删除 _Q 之后的任何数字低于阈值 7 的每个单元格。对于每个数字 >= 7 的单元格，我只想保留该部分“_Q”之前的字符串。

所需的输出如下所示：

  col1            col2            col3          col4       
   10                                           111

我正在想办法用“_Q”分割每一列，将最后一段转换为整数列表，取最小值，然后将最小值与阈值进行比较，最后删除整数列表，但我被困在令人作呕的嵌套列表理解中：

[[[int(z) for z in y[-3:] if (z != '') and "Q" not in z ] for y in chunk[x].astype(str).str.split("_") if y != ''] for x in chunk[cols] if x != '']

解决方法：

s=~chunk.apply(lambda x : 
x.str.split('_Q').str[1].str.contains('[0:6]', na=False))
        chunk = chunk.apply(lambda x : x.str.split('_Q').str[0])[s].fillna('')

Answer 1

您可以将split 与contains 一起使用

s=~df.apply(lambda x : x.str.split('_Q').str[1].str.contains('1|2|3|4|5|6'))
df.apply(lambda x : x.str.split('_Q').str[0])[s].fillna('')
Out[549]: 
  col1 col2 col3 col4
0   10            111

Answer 2

我不喜欢apply，因此我概述了一个涉及stack、str.split 和np.where 的替代方案，以便（希望）获得更好的性能。

v = df.stack()
sp = v.str.split('_Q')
i, j = sp.str[0], sp.str[1]

v[:] = np.where(j.str.contains('[0-6]'), '', i)
v.unstack()

  col1 col2 col3 col4
0   10            111