Concatenación de cadenas de dos columnas pandas

Tengo un siguiente DataFrame:

from pandas import *
df = DataFrame({'foo':['a','b','c'], 'bar':[1, 2, 3]})

Se parece a esto:

    bar foo
0    1   a
1    2   b
2    3   c

Ahora quiero tener algo como:

     bar
0    1 is a
1    2 is b
2    3 is c

¿Cómo puedo conseguir esto? Intenté lo siguiente:

df['foo'] = '%s is %s' % (df['bar'], df['foo'])

pero me da un resultado incorrecto:

>>>print df.ix[0]

bar                                                    a
foo    0    a
1    b
2    c
Name: bar is 0    1
1    2
2
Name: 0

Perdón por una pregunta tonta, pero esta pandas: combinar dos columnas en un DataFrame no fue útil para mí.

df['bar'] = df.bar.map(str) + " is " + df.foo.

Esta pregunta ya ha sido respondida, pero creo que sería bueno incluir en la mezcla algunos métodos útiles que no se discutieron anteriormente y comparar todos los métodos propuestos hasta ahora en términos de rendimiento.

A continuación, se muestran algunas soluciones útiles a este problema, en orden creciente de rendimiento.

DataFrame.agg

Este es un str.formatenfoque de base simple .

df['baz'] = df.agg('{0[bar]} is {0[foo]}'.format, axis=1)
df
  foo  bar     baz
0   a    1  1 is a
1   b    2  2 is b
2   c    3  3 is c

También puede usar el formato de cadena f aquí:

df['baz'] = df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1)
df
  foo  bar     baz
0   a    1  1 is a
1   b    2  2 is b
2   c    3  3 is c

char.arrayconcatenación basada en

Convierta las columnas para concatenar como chararrays, luego súmelas.

a = np.char.array(df['bar'].values)
b = np.char.array(df['foo'].values)

df['baz'] = (a + b' is ' + b).astype(str)
df
  foo  bar     baz
0   a    1  1 is a
1   b    2  2 is b
2   c    3  3 is c

Comprensión de listas conzip

No puedo exagerar lo subestimados que están las listas por comprensión en pandas.

df['baz'] = [str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])]

Alternativamente, usando str.joinpara concat (también escalará mejor):

df['baz'] = [
    ' '.join([str(x), 'is', y]) for x, y in zip(df['bar'], df['foo'])]

df
  foo  bar     baz
0   a    1  1 is a
1   b    2  2 is b
2   c    3  3 is c

Las listas por comprensión sobresalen en la manipulación de cadenas, porque las operaciones de cadenas son intrínsecamente difíciles de vectorizar, y la mayoría de las funciones "vectorizadas" de los pandas son básicamente envoltorios de bucles. He escrito mucho sobre este tema en For bucles con pandas: ¿cuándo debería importarme? . En general, si no tiene que preocuparse por la alineación del índice, use una lista de comprensión cuando se trate de operaciones de cadenas y expresiones regulares.

La lista de compilación anterior de forma predeterminada no maneja NaN. Sin embargo, siempre puede escribir una función que envuelva un intento, excepto si necesita manejarlo.

def try_concat(x, y):
    try:
        return str(x) + ' is ' + y
    except (ValueError, TypeError):
        return np.nan


df['baz'] = [try_concat(x, y) for x, y in zip(df['bar'], df['foo'])]

perfplot Medidas de desempeño

Gráfico generado usando perfplot . Aquí está la lista completa de códigos .

Funciones

def brenbarn(df):
    return df.assign(baz=df.bar.map(str) + " is " + df.foo)

def danielvelkov(df):
    return df.assign(baz=df.apply(
        lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1))

def chrimuelle(df):
    return df.assign(
        baz=df['bar'].astype(str).str.cat(df['foo'].values, sep=' is '))

def vladimiryashin(df):
    return df.assign(baz=df.astype(str).apply(lambda x: ' is '.join(x), axis=1))

def erickfis(df):
    return df.assign(
        baz=df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1))

def cs1_format(df):
    return df.assign(baz=df.agg('{0[bar]} is {0[foo]}'.format, axis=1))

def cs1_fstrings(df):
    return df.assign(baz=df.agg(lambda x: f"{x['bar']} is {x['foo']}", axis=1))

def cs2(df):
    a = np.char.array(df['bar'].values)
    b = np.char.array(df['foo'].values)

    return df.assign(baz=(a + b' is ' + b).astype(str))

def cs3(df):
    return df.assign(
        baz=[str(x) + ' is ' + y for x, y in zip(df['bar'], df['foo'])])

El problema en su código es que desea aplicar la operación en cada fila. Sin embargo, la forma en que lo ha escrito toma todas las columnas 'bar' y 'foo', las convierte en cadenas y le devuelve una cadena grande. Puedes escribirlo como:

df.apply(lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1)

Es más larga que la otra respuesta pero es más genérica (se puede usar con valores que no son cadenas).

También podrías usar

df['bar'] = df['bar'].str.cat(df['foo'].values.astype(str), sep=' is ')

df.astype(str).apply(lambda x: ' is '.join(x), axis=1)

0    1 is a
1    2 is b
2    3 is c
dtype: object

La respuesta de @DanielVelkov es la adecuada, PERO usar cadenas literales es más rápido:

# Daniel's
%timeit df.apply(lambda x:'%s is %s' % (x['bar'],x['foo']),axis=1)
## 963 µs ± 157 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

# String literals - python 3
%timeit df.apply(lambda x: f"{x['bar']} is {x['foo']}", axis=1)
## 849 µs ± 4.28 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

series.str.cat es la forma más flexible de abordar este problema:

por df = pd.DataFrame({'foo':['a','b','c'], 'bar':[1, 2, 3]})

df.foo.str.cat(df.bar.astype(str), sep=' is ')

>>>  0    a is 1
     1    b is 2
     2    c is 3
     Name: foo, dtype: object

O

df.bar.astype(str).str.cat(df.foo, sep=' is ')

>>>  0    1 is a
     1    2 is b
     2    3 is c
     Name: bar, dtype: object

Lo más importante (ya diferencia de .join()), esto le permite ignorar o reemplazar Nullvalores con el na_repparámetro.