Python。从Pandas列中提取字符串的最后一位数字

Question

我想在一个新变量中存储“UserId”的最后一位数字（这样的UserId是字符串类型）。

我想出了这个，但它是一个很长的df，需要很长时间。关于如何优化/避免循环有什么建议吗？

df['LastDigit'] = np.nan
for i in range(0,len(df['UserId'])):
    df.loc[i]['LastDigit'] = df.loc[i]['UserId'].strip()[-1]

Answer 1

另一个选项是使用应用。不像列表理解的那样具有表演性，但是基于你的目标非常灵活。以下是对形状为(44289，31)的随机数据帧的一些尝试

%timeit df['LastDigit'] = df['UserId'].apply(lambda x: str(x)[-1]) #if some variables are not strings
12.4 ms ± 215 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df['LastDigit'] = df['UserId'].str.strip().str[-1]
31.5 ms ± 688 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df['LastDigit'] = [str(x).strip()[-1] for x in df['UserId']]
9.7 ms ± 119 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Answer 2

使用< code>str.strip并按< code>str[-1]进行索引:

df['LastDigit'] = df['UserId'].str.strip().str[-1]

如果性能很重要且没有缺失值，请使用列表理解：

df['LastDigit'] = [x.strip()[-1] for x in df['UserId']]

你的解决方案太慢了，这是最后一个解决方案:

6）更新空帧（例如，使用loc一次一行）

性能：

np.random.seed(456)
users = ['joe','jan ','ben','rick ','clare','mary','tom']
df = pd.DataFrame({
         'UserId': np.random.choice(users, size=1000),

})

In [139]: %%timeit
     ...: df['LastDigit'] = np.nan
     ...: for i in range(0,len(df['UserId'])):
     ...:     df.loc[i]['LastDigit'] = df.loc[i]['UserId'].strip()[-1]
     ...: 
__main__:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
57.9 s ± 1.48 s per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [140]: %timeit df['LastDigit'] = df['UserId'].str.strip().str[-1]
1.38 ms ± 150 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

In [141]: %timeit df['LastDigit'] = [x.strip()[-1] for x in df['UserId']]
343 µs ± 8.31 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)