0

Sucede que tengo mucha información contenida en un Data.frame donde se puede observar los siguientes velores en las filas dentro del Data.frame.

Product list: Meat
Product list: Juice
Product list: Bread
Product list: Rice
...

Lo que necesito es poder filtrar esta información por medio de una detección de carácteres en este caso sería Product el carácter a detectar.

Después de tener ese filtro, necesitaría dividir ese mismo carácter por ejemplo Product list: Meat, en dos columnas, la primera columna sería Product List y la segunda Meat, en general busco separar lo que está antes y después del los dos puntos(:).

Muchas gracias.

2
  • No entiendo bien si el valor que muestras es literal (es decir, se trata exactamente de ese texto), o es una plantilla generalque puede aparecer en varias filas y en cada una ser diferente la parte "list of names" (o incluso diferente el nombre del producto). Por otro lado, ¿Es Produc o Product?
    – abulafia
    el 15 oct. 2018 a las 16:21
  • Exacto, en cada fila puede aparecer un diferente valor después de los dos puntos (:), el Product List siempre es fijo por eso es que necesito utlizar la deteccion de carácter como Product. Y sí, tienes razón, es Product. el 15 oct. 2018 a las 16:40

1 respuesta 1

2

A falta de un ejemplo por tu parte, voy a crear yo uno artificialmente.

El código que pongo a continuación no es parte de la respuesta, sino que sirve para crear un dataframe artificial que creo que tiene una estructura como la que tú indicas, y que servirá después para ilustrar la solución:

import pandas as pd
import random
random.seed(1)  # Para que el ejemplo sea reproducible


# Lista con los nombres de los productos
# En este caso serían Prod1, Prod2, Prod3,... Prod20
productos = ["Prod{}".format(i) for i in range(1,21)]

n_filas = 10  # Numero de filas a generar

def genera_fila():
  # Una fila puede contener aleatoriamente o bien una cadena como la indicada
  # en el enunciado del problema, en cuyo caso la lista de productos tras los
  # dos puntos se elige aleatoriamente, o bien la cadena "Otra cosas"
  if random.random()<0.5:
    return "Product list: {}".format(", ".join(random.sample(productos, random.randint(1,5))))
  else:
    return "Otra cosa"


# Generar un dataframe de ejemplo con estos datos
contenidos = [genera_fila() for i in range(n_filas)]
precios = [random.uniform(0,40) for i in range(n_filas)]
df = pd.DataFrame({"Caso": contenidos, "Precio": precios})

El dataframe generado tiene esta pinta:

introducir la descripción de la imagen aquí

Ahora queremos:

  1. Quedarnos sólo con las filas que, en la columna "Caso", comiencen por la cadena "Product ". Esto podemos hacerlo usando el operador .str.startswith() sobre esa columna y seleccionando las que den True.
  2. Partir la columna resultante por los dos puntos, y supongo que asignar la lista de productos a la derecha de los dos puntos a otra columna del dataframe. Para partir la columna se puede usar str.split(":", expand=True) que crea un nuevo dataframe con tantas columnas como "trozos" se hayan generado. Sólo nos interesa el trozo[1]. Para asignarlo a una nueva columna del dataframe podemos usar .assign()

El siguiente código hace ambas cosas en una sola línea

filtrado = (df[df.Caso.str.startswith("Product ")]
            .assign(Productos = lambda x: x.Caso.str.split(":", expand=True)[1])
           )

Resultado:

introducir la descripción de la imagen aquí

2
  • Que genio. Muchas gracias el 15 oct. 2018 a las 17:05
  • Una pregunta, cuando se usa la función str.split("", expand = true), a que me refieron con la parte de expand?. el 16 oct. 2018 a las 2:05

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.