主页 / coding / 问题 / 78915747
Accepted
blaylockbk
Asked: 2024-08-27 01:53:38 +0800 CST

如何在 python polars 数据框中正确拆分 n 次（模仿 pandas rsplit）

  • 772

我有一列字符串，其中末尾部分包含一些我需要解析到其自己的列中的信息。Pandas 具有rsplit函数可以从右侧拆分字符串，这正是我需要的：

import pandas as pd
pd.DataFrame(
    {
        "name": [
            "some_name_set_1",
            "some_name_set_1b",
            "some_other_name_set_2",
            "yet_another_name_set_2",
        ]
    }
)["name"].str.rsplit("_", n=2, expand=True)

                  0    1   2
0         some_name  set   1
1         some_name  set  1b
2   some_other_name  set   2
3  yet_another_name  set   2

rsplit我怎样才能在 Polars 中模仿这种行为，它现在还没有表情？

python-polars

3 个回答

  1. 这是一种仅使用一个.split然后使用三个不同的切片/获取操作来获取 3 个部分的方法：

    df = pl.DataFrame(
    {
        "name": [
            "some_name_set_1",
            "some_name_set_1b",
            "some_other_name_set_2",
            "yet_another_name_set_2",
        ]
    }
)

df = df.select(parts=pl.col("name").str.split("_")).select(
    a=pl.col("parts").list.slice(0, pl.col("parts").list.len() - 2).list.join("_"),
    b=pl.col("parts").list.get(-2),
    c=pl.col("parts").list.get(-1),
)

print(df)

    输出：

    shape: (4, 3)
┌──────────────────┬─────┬─────┐
│ a                ┆ b   ┆ c   │
│ ---              ┆ --- ┆ --- │
│ str              ┆ str ┆ str │
╞══════════════════╪═════╪═════╡
│ some_name        ┆ set ┆ 1   │
│ some_name        ┆ set ┆ 1b  │
│ some_other_name  ┆ set ┆ 2   │
│ yet_another_name ┆ set ┆ 2   │
└──────────────────┴─────┴─────┘

    相关：此问题正在跟踪right字符串拆分的增加。

    • 1
  2. Best Answer

    单个字符分隔符可以用正则表达式来表示：

    df.select(
   pl.col("name").str.extract_groups(r"(.+)_([^_]+)_([^_]+)$")
     .struct.field("*")
)

    shape: (4, 3)
┌──────────────────┬─────┬─────┐
│ 1                ┆ 2   ┆ 3   │
│ ---              ┆ --- ┆ --- │
│ str              ┆ str ┆ str │
╞══════════════════╪═════╪═════╡
│ some_name        ┆ set ┆ 1   │
│ some_name        ┆ set ┆ 1b  │
│ some_other_name  ┆ set ┆ 2   │
│ yet_another_name ┆ set ┆ 2   │
└──────────────────┴─────┴─────┘

    但它的功能有限，而且理解/输入起来有点尴尬。

    • 1

  3. 一个解决方案是分两部分进行

    对于名称部分（字符串的左侧）：

    1. 拆分列表
    2. 反转列表
    3. 获取列表中第 3 到第 n 个项目
    4. 再次反转列表
    5. 使用原始分隔符加入列表

    对于集合和数字部分：

    1. 拆分列表
    2. 获取倒数第二件物品
    3. 转换为结构体并解除嵌套
    pl.DataFrame(
    {
        "name": [
            "some_name_set_1",
            "some_name_set_1b",
            "some_other_name_set_2",
            "yet_another_name_set_2",
        ]
    }
).with_columns(
    pl.col("name")
    .str.split("_")
    .list.reverse()
    .list.slice(2)
    .list.reverse()
    .list.join("_"),
    pl.col("name")
    .str.split("_")
    .list.slice(-2, None)
    .list.to_struct()
    .alias("end_stuff"),
).unnest("end_stuff")


    shape: (4, 3)
┌──────────────────┬─────────┬─────────┐
│ name             ┆ field_0 ┆ field_1 │
│ ---              ┆ ---     ┆ ---     │
│ str              ┆ str     ┆ str     │
╞══════════════════╪═════════╪═════════╡
│ some_name        ┆ set     ┆ 1       │
│ some_name        ┆ set     ┆ 1b      │
│ some_other_name  ┆ set     ┆ 2       │
│ yet_another_name ┆ set     ┆ 2       │
└──────────────────┴─────────┴─────────┘
    • 0

相关问题