#本方法主要是无法使用split的情况,即文本中没有明显分隔符。
在数据预处理的时候,会将单条数据特征组合成为文本放入某列中。一般情况下,会有分割符将其分割开,推荐使用split方法
#但是也可能会出现类似下面的文本,没有明显分割符。此时需要考虑str[\d:\d]的格式对文本进行裁剪,获取新列。
这里,我希望把年份提取出来作为新列。那么就是variable列的[3:7]部分。
#我先尝试了NTL_reject['year'] = NTL_reject['variable'][3:7],发现并不能提取出我需要的东西,正确语句应当如下:
NTL_reject['year'] = NTL_reject['variable'].apply(lambda x:x[3:7])
NTL_reject.head()
得到year列
##这里讲以下简单原理
主要是针对Series的apply函数应用。
Series就是Dataframe的组成单元。df[col]提取出来的就是Series格式。【我是这样理解的,如果有错误请在评论区指出~】
而apply()中引用的函数会依次应用到该列的每一个元素,产生新列。apply()经常和lambda合并使用