python - ¿Cómo creo una nueva columna en un marco de datos a partir de una columna existente usando condiciones?

pandas dataframe

Question

Tengo una columna que contiene todos los datos que se parecen a esto (los valores que deben separarse tienen una marca como (c)):

UK (c)
London
Wales
Liverpool
US (c)
Chicago
New York
San Francisco
Seattle
Australia (c)
Sydney
Perth

Y quiero que se divida en dos columnas con este aspecto:

London UK
Wales UK
Liverpool UK
Chicago US
New York US
San Francisco US
Seattle US
Sydney Australia
Perth Australia

Pregunta 2: ¿Qué pasaría si los países no tuvieran un patrón como (c)?

Answer 1

extract y ffill

Comience con extract y ffill , luego elimine las filas redundantes.

df[''country''] = (
df[''data''].str.extract(r''(.*)/s+/(c/)'', expand=False).ffill())
df[~df[''data''].str.contains(''(c)'', regex=False)].reset_index(drop=True)
data country
0 London UK
1 Wales UK
2 Liverpool UK
3 Chicago US
4 New York US
5 San Francisco US
6 Seattle US
7 Sydney Australia
8 Perth Australia

Dónde,

df[''data''].str.extract(r''(.*)/s+/(c/)'', expand=False).ffill()
0 UK
1 UK
2 UK
3 UK
4 US
5 US
6 US
7 US
8 US
9 Australia
10 Australia
11 Australia
Name: country, dtype: object

El patrón ''(.*)/s+/(c/)'' coincide con cadenas de la forma "country (c)" y extrae el nombre del país. Cualquier cosa que no coincida con este patrón se reemplaza con NaN, por lo que puede reenviar el relleno en las filas.

split con np.where y ffill

Esto se divide en "(c)".

u = df[''data''].str.split(r''/s+/(c/)'')
df[''country''] = pd.Series(np.where(u.str.len() == 2, u.str[0], np.nan)).ffill()
df[~df[''data''].str.contains(''(c)'', regex=False)].reset_index(drop=True)
data country
0 London UK
1 Wales UK
2 Liverpool UK
3 Chicago US
4 New York US
5 San Francisco US
6 Seattle US
7 Sydney Australia
8 Perth Australia

Answer 2

Paso a paso con endswith y ffill + str.strip

df[''country'']=df.loc[df.city.str.endswith(''(c)''),''city'']
df.country=df.country.ffill()
df=df[df.city.ne(df.country)]
df.country=df.country.str.strip(''(c)'')

Answer 3

Podrías hacer lo siguiente:

data = [''UK (c)'',''London'',''Wales'',''Liverpool'',''US (c)'',''Chicago'',''New York'',''San Francisco'',''Seattle'',''Australia (c)'',''Sydney'',''Perth'']
df = pd.DataFrame(data, columns = [''city''])
df[''country''] = df.city.apply(lambda x : x.replace(''(c)'','''') if ''(c)'' in x else None)
df.fillna(method=''ffill'', inplace=True)
df = df[df[''city''].str.contains(''/(c/)'')==False]

Salida

+-----+----------------+-----------+
| | city | country |
+-----+----------------+-----------+
| 1 | London | UK |
| 2 | Wales | UK |
| 3 | Liverpool | UK |
| 5 | Chicago | US |
| 6 | New York | US |
| 7 | San Francisco | US |
| 8 | Seattle | US |
| 10 | Sydney | Australia |
| 11 | Perth | Australia |
+-----+----------------+-----------+

Answer 4

Primero puede usar str.extract para ubicar las ciudades que terminan en (c) y extraer el nombre del país, y ffill para completar una nueva columna de country .

Las mismas coincidencias extraídas se pueden usar para ubicar las filas que se deben eliminar, es decir, las filas que no son:

m = df.city.str.extract(''^(.*?)(?=/(c/)$)'')
ix = m[m.squeeze().notna()].index
df[''country''] = m.ffill()
df.drop(ix)
city country
1 London UK
2 Wales UK
3 Liverpool UK
5 Chicago US
6 New York US
7 San Francisco US
8 Seattle US
10 Sydney Australia
11 Perth Australia 

Answer 5

Puedes usar np.where con str.contains también:

mask = df[''places''].str.contains(''(c)'', regex = False)
df[''country''] = np.where(mask, df[''places''], np.nan)
df[''country''] = df[''country''].str.replace(''/(c/)'', '''').ffill()
df = df[~mask]
df
places country
1 London UK
2 Wales UK
3 Liverpool UK
5 Chicago US
6 New York US
7 San Francisco US
8 Seattle US
10 Sydney Australia
11 Perth Australia 

La cadena contiene busca (c) y si está presente devolverá True para ese índice. Cuando esta condición sea Verdadera, el valor del país se agregará a las columnas del país