根据指定列中的字符串值条目是否包含子字符串来分离pandas数据框

Question

假设我有以下数据框：

df = pd.DataFrame({'name':['a', 'b', 'c','d','e'], 'description':['vim2tests','vim2trial','vim3tests','vim3zip', 'vim4trial'], 'count':[4,5,6,7,8]})

我试图分成 3 个数据帧，其中包含 'description' 条目包含 'vim2'、'vim3'、'vim4' 子字符串的行。

有没有一种有效的方法来做到这一点？我可以实现一个 for 循环来查找我想要的行的索引，但这根本没有效率，我正在努力了解如何以更好的方式做到这一点。

Answer 1

IIUC，只需创建一个条件列即可groupby使用str.extract

我们可以将数据帧保存在字典中。

dfs = {group : data.drop('key',1) for group,data in 
                 df.assign(key=df['description'].str.extract('(vim\d+)'))\
                           .groupby('key')
}

print(dfs['vim3'])
  name description  count
2    c   vim3tests      6
3    d     vim3zip      7

print(dfs.keys())

dict_keys(['vim2', 'vim3', 'vim4'])

或者 anky 更简单的解决方案 -

dfs = dict(tuple(
           df.groupby(df['description'].str.extract('(vim\d+)'
                                        ,expand=False))
         ))

或者：

dict(iter(df.groupby(df['description'].str.extract('(vim\d+)',expand=False)))

print(dfs)

{'vim2':   name description  count
 0    a   vim2tests      4
 1    b   vim2trial      5,
 'vim3':   name description  count
 2    c   vim3tests      6
 3    d     vim3zip      7,
 'vim4':   name description  count
 4    e   vim4trial      8}