Python。从 Pandas 列中提取字符串的最后一个字母

Question

我想将“UserId”中的最后一位数字存储在一个新变量中（此类 UserId 是字符串类型）。

我想出了这个，但这是一个很长的 df 并且需要永远。关于如何优化/避免 for 循环的任何提示？

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

Answer 1

使用str.strip与索引的str[-1]：

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

如果性能很重要并且没有缺失值，请使用列表理解：

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

您的解决方案是很慢，这是从去年解决此：

6) 更新一个空帧（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)