从列表系列熊猫中提取第一个字符

Question

我有一个包含多个单词的字符串系列。我想以矢量化的方式提取每行每个单词的第一个字符。

到目前为止，我已经能够将单词分成列表，但还没有找到获取第一个字符的矢量化方法。

s = pd.Series(['aa bb cc', 'cc dd ee', 'ff ga', '0w']) 

>>> s. str.split() 
0 [aa, bb, cc] 
1 [cc, dd, ee] 
2  [ff, ga] 
3   [0w] 

最后，我想是这样的：

0 [a, b, c] 
1 [c, d, e] 
2  [f, g] 
3   [0] 

Answer 1

另一种更快的解决方案是嵌套列表理解：

s2 = pd.Series([[y[0] for y in x.split()] for x in s.tolist()]) 
print (s2) 
0 [a, b, c] 
1 [c, d, e] 
2  [f, g] 
3   [0] 
dtype: object 

谢谢clocker改善 - 你可以删除tolist()：

print (pd.Series([[y[0] for y in x.split()] for x in s])) 

计时：

import pandas as pd 

s = pd.Series(['aa bb cc', 'cc dd ee', 'ff ga', '0w']) 
s = pd.concat([s]*10000).reset_index(drop=True) 
print(s) 

In [42]: %timeit pd.Series([[y[0] for y in x.split()] for x in s.tolist()]) 
10 loops, best of 3: 28.6 ms per loop 

In [43]: %timeit (s.str.split().map(lambda lst : [string[0] for string in lst])) 
10 loops, best of 3: 50.4 ms per loop 

In [44]: %timeit (s.str.split().apply(lambda lst: [list(elt)[0] for elt in lst])) 
10 loops, best of 3: 76.1 ms per loop 

In [59]: %timeit (pd.Series([[y[0] for y in x.split()] for x in s])) 
10 loops, best of 3: 28.8 ms per loop 

Answer 2

你可以试试这个：

>>> s2 = s.str.split() 
>>> s2.apply(lambda lst: [list(elt)[0] for elt in lst]) 
0 [a, b, c] 
1 [c, d, e] 
2  [f, g] 
3   [0] 

希望能对大家有所帮助。

Answer 3

一个简单的方法是使用pandas.Series.map方法：

In [15]: s.str.split().map(lambda lst : [string[0] for string in lst]) 
Out[15]: 
0 [a, b, c] 
1 [c, d, e] 
2  [f, g] 
3   [0] 
dtype: object