我有一个CSV文件,我读入一个Pandas DataFrame,其中包含以分号分隔的多个年份值的列。从Pandas DataFrame中的字符串中提取最小和最大年份
我需要从字符串中提取最小值和最大值,并将每个值保存在一个新列中。
我能够打印最小值和最大值,但我似乎无法从保存到新列中的每一行中获取正确的值。
任何帮助,非常感谢。
样品数据框:
import pandas as pd
import numpy as np
raw_data = {'id': ['1473-2262', '2327-9214', '1949-8349', '2375-6314',
'0095-6562'],
'years': ['2000; 2001; 2002; 2003; 2004; 2004; 2004; 2005',
'2003; 2004; 2005', '2015', np.nan, '2012; 2014']}
df = pd.DataFrame(raw_data, columns = ['id', 'years'])
这是数据帧,我需要:
id years minyear maxyear
0 1473-2262 2000; 2001; 2002; 2003; 2004; 2004; 2004; 2005 2000.0 2005.0
1 2327-9214 2003; 2004; 2005 2003.0 2005.0
2 1949-8349 2015 2015.0 2015.0
3 2375-6314 NaN NaN NaN
4 0095-6562 2012; 2014 2012.0 2014.0
我可以打印的最小和最大:
x = df['years'].notnull()
for row in df['years'][x].str.split(pat=';'):
lst = list()
for item in row:
lst.append(int(item))
print('Min=',min(lst),'Max=',max(lst))
Min= 2000 Max= 2005
Min= 2003 Max= 2005
Min= 2015 Max= 2015
Min= 2012 Max= 2014
下面是我试过将这些值捕获到新列中:
x = df['years'].notnull()
for row in df['years'][x].str.split(pat=';'):
lst = list()
for item in row:
lst.append(int(item))
df['minyear']=min(lst)
df['maxyear']=max(lst)
只有最后一行的值才会保存到新列中。
id years minyear maxyear
0 1473-2262 2000; 2001; 2002; 2003; 2004; 2004; 2004; 2005 2012 2014
1 2327-9214 2003; 2004; 2005 2012 2014
2 1949-8349 2015 2012 2014
3 2375-6314 NaN 2012 2014
4 0095-6562 2012; 2014 2012 2014
我的解决方案只有你的两倍慢。不是太糟糕:) – DyZ
不,只是5.它不会随着行数线性缩放吗? – DyZ
@jezrael你是对的。我想知道为什么。 – DyZ