熊猫根据一列中的值的条件一次覆盖多列中的值

Question

我有这样的数据帧：

df = pd.DataFrame(data={
    'col0': [11, 22,1, 5]
    'col1': ['aa:a:aaa', 'a:a', 'a', 'a:aa:a:aaa'],
    'col2': ["foo", "foo", "foobar", "bar"],
    'col3': [True, False, True, False],
    'col4': ['elo', 'foo', 'bar', 'dupa']})

我想在 col1 中的“：”上拆分后获取列表的长度，然后我想在长度 > 2 时覆盖这些值，或者在长度 <= 2 时不覆盖这些值。

理想情况下，尽可能快地排成一行。

目前，我尝试但它返回 ValueError。

df[['col1', 'col2', 'col3']] = df.loc[df['col1'].str.split(":").apply(len) > 2], ("", "", False), df[['col1', 'col2', 'col3']])

编辑：col1 上的条件。EDIT2：感谢您提供的所有出色且快速提供的答案。惊人的！EDIT3：10^6 行计时：

@ansev 3.2657s

@jezrael 0.8922s

@anky_91 1.9511s

Answer 1

您需要series.str.len()在拆分后确定列表的长度，然后您可以比较和使用.loc[]，在条件匹配的地方分配列表：

df.loc[df['col1'].str.split(":").str.len()>2,['col1','col2','col3']]=["", "", False]
print(df)

   col0 col1    col2   col3  col4
0    11               False   elo
1    22  a:a     foo  False   foo
2     1    a  foobar   True   bar
3     5               False  dupa

Answer 2

使用Series.str.count、添加1、比较Series.gt和将列表分配给列表中的过滤列：

df.loc[df['col1'].str.count(":").add(1).gt(2), ['col1','col2','col3']] = ["", "", False]
print (df)
   col0 col1    col2   col3  col4
0    11               False   elo
1    22  a:a     foo  False   foo
2     1    a  foobar   True   bar
3     5               False  dupa

Answer 3

另一种方法是Series.str.splitwithexpand = True和DataFrame.countwith axis=1。

df.loc[df['col1'].str.split(":",expand = True).count(axis=1).gt(2),['col1','col2','col3']]=["", "", False]
print(df)
   col0 col1    col2   col3  col4
0    11               False   elo
1    22  a:a     foo  False   foo
2     1    a  foobar   True   bar
3     5               False  dupa