1

У меня есть DataFrame с колонкой FullName состоящей из LastName и FirstName.

id|Sex   |FullName
-----------------------
1 |male  |Jonh Snow
2 |male  |Robert Boui
3 |female|Sara Konnor
4 |male  |Alan Miller
5 |female|Sara Konnor

Я хочу из колонки FullName получить только FirstName. Для извлечения имени я написал функцию:

import re
def get_name(name):
    return re.findall(r'\w+', name)[0]

которая возвращает мне первое слово из строки. Я нашел apply но похоже ее нельзя использовать для того, чтобы применить только к одному столбцу из всех. Из документации:

axis : {0 or ‘index’, 1 or ‘columns’}, default 0

0 or ‘index’: apply function to each column

1 or ‘columns’: apply function to each row

Как мне применить свою функцию к каждому значению столбца FullName моего DataFrame?

1 ответ 1

2
In [22]: def get_first_word(s):
    ...:     return s.split(maxsplit=1)[0]

Чтобы применить функцию только к одному столбцу:

In [24]: df['FirstName'] = df['FullName'].apply(get_first_word)

In [25]: df
Out[25]:
   id     Sex     FullName FirstName
0   1    male    Jonh Snow      Jonh
1   2    male  Robert Boui    Robert
2   3  female  Sara Konnor      Sara
3   4    male  Alan Miller      Alan
4   5  female  Sara Konnor      Sara

Также можно воспользоваться готовыми векторизированными Pandas методами:

In [27]: df['FullName'].str.split(n=1).str[0]
Out[27]:
0      Jonh
1    Robert
2      Sara
3      Alan
4      Sara
Name: FullName, dtype: object

In [29]: df['FullName'].str.extract(r'(\w+)', expand=False)
Out[29]:
0      Jonh
1    Robert
2      Sara
3      Alan
4      Sara
Name: FullName, dtype: object

иногда при работе со строковыми данными list comprehension оказывается быстрее встроенных векторизированных функций.

Пример использования list comprehension:

In [36]: df['FirstName'] = [n.split(maxsplit=1)[0] for n in df['FullName']]

In [37]: df
Out[37]:
   id     Sex     FullName FirstName
0   1    male    Jonh Snow      Jonh
1   2    male  Robert Boui    Robert
2   3  female  Sara Konnor      Sara
3   4    male  Alan Miller      Alan
4   5  female  Sara Konnor      Sara

Замеры времени для DF с 50.000 строк:

In [39]: df = pd.concat([df] * 10**4, ignore_index=True)

In [40]: df.shape
Out[40]: (50000, 3)

In [41]: %timeit df['FullName'].apply(get_first_word)
26.3 ms ± 107 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [42]: %timeit df['FullName'].str.split(n=1).str[0]
44.4 ms ± 1.32 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [43]: %timeit df['FullName'].str.extract(r'(\w+)', expand=False)
51.9 ms ± 2.1 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [44]: %timeit [n.split(maxsplit=1)[0] for n in df['FullName']]
20.6 ms ± 131 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Замеры времени для DF с 500.000 строк:

In [45]: df = pd.concat([df] * 10, ignore_index=True)

In [46]: df.shape
Out[46]: (500000, 3)

In [47]: %timeit df['FullName'].apply(get_first_word)
266 ms ± 921 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [48]: %timeit df['FullName'].str.split(n=1).str[0]
381 ms ± 739 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [49]: %timeit df['FullName'].str.extract(r'(\w+)', expand=False)
512 ms ± 1.53 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [50]: %timeit [n.split(maxsplit=1)[0] for n in df['FullName']]
229 ms ± 11.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.