パンダデータフレームの各行に部分文字列を含む最初の値を返します

Question

list = [['apple', 'orange', 'pear'], ['peach', 'apple', 'pear']] 
df = pd.DataFrame(list) 
print df 

Out[172]: 
     0  1  2 
0 apple orange pear 
1 peach apple pear 

dfの各行に部分文字 'pe'の最初の一致を取得しようとしています。基本的に出力は以下のデータフレームになります。

 0 
0 pear 
1 peach 

可能な解決策を提示してください。

Answer 1

強引なアプローチ：

In [22]: df 
Out[22]: 
     0  1  2 
0 apple orange pear 
1 peach apple pear 

In [23]: def startswith(prefix, default=''): 
    ...:  def f(S): 
    ...:   for val in S: 
    ...:    if val.startswith(prefix): 
    ...:     return val 
    ...:   return default 
    ...:  return f 
    ...: 

In [24]: df.apply(startswith('pe'), axis=1) 
Out[24]: 
0  pear 
1 peach 
dtype: object 

注、これは効率的であることを行っていません。本質的には、かさばった、ネストされた、Python forループです。たぶん、たくさんの文字列がある場合、DataFrameは正しいデータ構造ではありません。

注、（あなたが軸= 0、デフォルト値を渡した場合）df.applyはすべてcolumに適用される機能をとるか、すべての行に（あなたが軸= 1を渡した場合）。

startswith機能は機能の工場あるので、それはあなたが好きに設定することができます一致するものを（見つけたことがない場合、あなたはそれを検索したいプレフィックス、および返されるデフォルト値を渡すことができます）、そしては、これらの制約が与えられた行を検索する新しい関数を返します。

Answer 2

@ juanpa.arrivillagaとほぼ同じ解決策があります。多次元リストの入力が比較的小さいと予想する限り、このネストされたループはうまくいくはずです。

多次元配列を（DataFrameに配置される前に）ループし、そのリストを検索して、 'pe'（または何を検索しているか）で始まる文字列が最初に見つかったものを探します。その文字列を1項目リストとして結果リストに挿入します。そのリストを作成した後、再度DataFrameに挿入します。

ます。myList = [[ 'りんご'、 'オレンジ'、 'ナシ']、[ '桃'、 'りんご'、 'ナシ']] resultList = []

for row in myList: 
    for fruit in row: 
     if fruit.startswith('pe'): 
      resultList.append([fruit]) 
      break 

df2 = pd.DataFrame(resultList) 
printdf