Question

我在努力根据使用某种条件的现有一栏,在一栏 d子上制造新的col。从根本上说,如果客户合同号包含一个强调,我想新一栏的价值在强调之前就具有所有特性,否则,我希望它成为所有已删除的客户合同编号。 I m 能够按以下方式去除 da,但第二行不工作

raw_data_df[ Search Text ] = raw_data_df[ Client Contract Number ].str.replace( - ,  )

raw_data_df[ Search Text ] = raw_data_df[ Client Contract Number ].str.split( _ )[0] if raw_data_df[ Client Contract Number ].str.contains("_") else raw_data_df[ Client Contract Number ].str.replace( - ,  )

Answer 1

Lengthy答复:最后答复载于“Answer”分节。

<>载体>

因此,鉴于你列举的前提条件,它希望我们有以下客户合同号码:

Client Contract Number
123_2-31
23-1415
124-5_259
1234

鉴于你的代码和意图,我们希望有以下新的数据框架:

Search Text
123
231415
1245
1234

(由于我们取消了你第一行的法文本中的所有表格,我假定第3次样本中没有任何表格。)

<><>>

2. 将该数据框架与以下代码重新编号:

import pandas as pd

data = {"Client Contract Number": ["123_2-31", "23-1415", "124-5_259", "1234"] }
raw_data_df = pd.DataFrame(data)

在试图操作我们第二行的法典时,我们看到以下错误信息:

raw_data_df[ Search Text ] = raw_data_df[ Client Contract Number ].str.split( _ )[0] if raw_data_df[ Client Contract Number ].str.contains("_") else raw_data_df[ Client Contract Number ].str.replace( - , )

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

我认为,这必须涉及以下事实:我们重新尝试适用。基本上,条件是要试图在整个系列中得出一个单一的真相价值,因此,为什么安达要求我们使用<条码>a.empt、a.bool()、a.()、a.any()或a.all(。

Also using the [0] index in raw_data_df["Client Contract Number"].str.split("_")[0] will get us the list that results in splitting the first row of data, instead of the first index of each split row.

Answer

我认为,逐行操作的一个很好的替代办法是 applymeth。从根本上说,我们创造出一种匿名功能,这种功能完全是同一私人经营人,但个别行人除外。

用你原来的代码作为模板,其行文法如下:

raw_data_df[ Search Text ] = raw_data_df[ Client Contract Number ].str.replace( - ,  )
raw_data_df["Search Text"] = raw_data_df["Search Text"].apply(lambda x: x.split("_")[0] if "_" in x else x)

这应当产生你希望再次寻找的第二个数据框架。由于你已重新删除了你的第一行,没有必要在你第二行的法典中重申这一点。

希望! 如果我列举的初步假设是准确的,你可能不得不打碎这一法典。

友情链接