Remplacer une colonne pandas en divisant le texte en fonction de "_"

Question

J'ai un dataframe pandas comme ci-dessous

import pandas as pd
df = pd.DataFrame({'col':['abcfg_grp_202005', 'abcmn_abc_202009', 'abcgd_xyz_8976', 'abcgd_lmn_1']})
df

    col
0   abcfg_grp_202005
1   abcmn_abc_202009
2   abcgd_xyz_8976
3   abcgd_lmn_1

Je veux remplacer 'col' comme première instance avant _ dans "col". S'il y a un seul chiffre dans la troisième instance après _, alors ajoutez-le à la fin de "col" comme ci-dessous

    col
0   abcfg
1   abcmn
2   abcgd
3   abcgd_1

Answer 1

Vous pouvez utiliser df.apply :

In [1441]: df['col'] = df.col.str.split('_', expand=True).apply(lambda x: (x[0] + '_' + x[2]) if len(x[2]) == 1 else x[0], axis=1)

In [1442]: df
Out[1442]: 
       col
0    abcfg
1    abcmn
2    abcgd
3  abcgd_1

Answer 2

Divisez les caractères de soulignement, puis ajoutez les chaînes de caractères. Ici, nous pouvons utiliser l'astuce que False multipliée par une chaîne de caractères renvoie la chaîne vide pour gérer l'addition conditionnelle. Le contrôle est une chaîne de 1 caractère qui est un chiffre.

df1 = df['col'].str.split('_', expand=True)
df['col'] = df1[0] + ('_' + df1[2])*(df1[2].str.len().eq(1) & df1[2].str.isdigit())

---

print(df)

       col
0    abcfg
1    abcmn
2    abcgd
3  abcgd_1

Answer 3

Vous pouvez appliquer une fonction personnalisée.

import pandas as pd
df = pd.DataFrame({'col':['abcfg_grp_202005', 'abcmn_abc_202009', 'abcgd_xyz_8976', 'abcgd_lmn_1']})
def func(x):
    ar = x.split('_')
    if len(ar[2]) == 1 and ar[2].isdigit():
        return ar[0]+"_"+ar[2]
    else:
        return ar[0]

df['col'] = df['col'].apply(lambda x: func(x))
df

    col
0   abcfg
1   abcmn
2   abcgd
3   abcgd_1

Answer 4

Voici une autre façon de procéder :

df['col'] = np.where(df['col'].str.contains(r'[a-zA-Z0-9]+_[a-zA-Z0-9]+_[0-9]\b', regex=True),
                     df['col'].str.split('_').str[0] + '_' +  df['col'].str.split('_').str[2],
                     df['col'].str.split('_').str[0])
print(df)

       col
0    abcfg
1    abcmn
2    abcgd
3  abcgd_1

Answer 5

Ce n'est peut-être pas la réponse la plus élégante, mais je recommanderais d'utiliser str.replace deux fois ici :

df["col"]= df["Team"]
    .str.replace("^([^_]+)_.*?(?!_\d$).{2}$", "\\1")
    .str.replace("_[^_]+(?=_)", "")

La première expression rationnelle vise les entrées de la forme abcfg_grp_202005 qui ne se terminent pas par un trait de soulignement suivi d'un chiffre. Dans ce cas, nous aurions abcfg . La deuxième regex supprime le terme de soulignement du milieu, s'il existe encore, ce qui ne serait vrai que pour des entrées telles que abcgd_lmn_1 se terminant par un trait de soulignement suivi d'un chiffre.