修改“熊猫系列”列中的所有值

Question

我有一列包含9个字符的数字。我需要对该列中的所有值执行一些操作以达到12的长度。这是原始数据：

493    123456789
494    123456789
496    115098765
497    123456789
498    987654321
499    987654321

现在，我需要对数字进行一些修改：

• 在第一个1之后，需要插入20
• 在最后5个数字之前，需要插入0

理想的解决方案是：

493    120234056789
494    120234056789
496    120150098765
497    120234056789
498    920876054321
499    920876054321

我怎样才能做到这一点？提前致谢。

Answer 1

将索引与str一起用于切片值：

s = df['col'].astype(str)
df['new'] = s.str[0] + '20' + s.str[1:-5] + '0' + s.str[-5:]
print (df)
           col           new
493  123456789  120234056789
494  123456789  120234056789
496  115098765  120150098765
497  123456789  120234056789
498  987654321  920876054321
499  987654321  920876054321

类似的解决方案apply：

df['new'] = df['col'].astype(str).apply(lambda x:x[0] + '20' + x[1:-5] + '0' + x[-5:])

@Mark Wang的表现：

#6k rows   
df = pd.concat([df] * 1000, ignore_index=True)

In [241]: %%timeit
     ...: s = df['col'].astype(str)
     ...: df['new1'] = s.str[0] + '20' + s.str[1:-5] + '0' + s.str[-5:]
     ...: 
19.5 ms ± 1.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [242]: %%timeit 
     ...: df['new2'] = df['col'].astype(str).apply(lambda x:x[0] + '20' + x[1:-5] + '0' + x[-5:])
     ...: 
11.4 ms ± 120 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

第二个更快，因为熊猫文本功能较慢。原因之一是，它们正确处理缺失值。