从dataframe中选择特定行并对新列执行计算

Question

我有一个像这样的数据框

       Task[ms]                              Funktion  ...     min     max
  0        1              CALL_TK_CDDio_PFC_BEGIN_1MS  ...   0.640000   3.360000
  1        1                       vAdcD_MainFunction  ...  21.280001  25.920000
  2        1                          vPressE_Main1ms  ...  17.120001  81.279999
  3        1  vPositionSensorPwm_MainFunction_Fast_In  ...   9.920000  13.760000
  4        1                           CDDIO_1MS_1_IN  ...   2.240000   5.280000

我必须选择与此列名对应的行。df['Messvariable']共有146行。这是dataframe的Messvariable列

0      timeslices[0].profilerDataProcess[0]_C0[us]
1      timeslices[0].profilerDataProcess[1]_C0[us]
2      timeslices[0].profilerDataProcess[2]_C0[us]
3      timeslices[0].profilerDataProcess[3]_C0[us]
4      timeslices[0].profilerDataProcess[4]_C0[us]
                
141    timeslices[9].profilerDataProcess[0]_C0[us]
142    timeslices[9].profilerDataProcess[1]_C0[us]
143    timeslices[9].profilerDataProcess[2]_C0[us]
144    timeslices[9].profilerDataProcess[3]_C0[us]
145    timeslices[9].profilerDataTask_C0[us]

我想按此列选择特定的行，并执行如下操作

 while  df['Messvariable'].str.contains("timeslices[1]"):
   df['CPU_LOAD']=df['max']/(10000*2)

同样，对于所有剩余的时间片，使用不同的计算。 它不起作用

str.contains返回空数据帧。

还有其他方法吗

Answer 1

主要问题是regex=True默认参数（pat使用正则表达式）。 只需将参数设置为False，或者您可以使用startswith()或find()执行此操作：

df = pd.DataFrame.from_dict({
    'Messvariable': ('timeslices[1]', 'timeslices[1]', 'empty', 'empty'),
    'max': (1, 2, 3, 4),
})

mask = df['Messvariable'].str.contains('timeslices[1]', regex=False)
# or
# mask = df['Messvariable'].str.find('timeslices[1]') != -1
# or
# mask = df['Messvariable'].str.startswith('timeslices[1]')
df['CPU_LOAD'] = 0
df.loc[mask, 'CPU_LOAD'] = df[mask]['max'] / (10000 * 2)
print(df.head())

#    Messvariable  max  CPU_LOAD
# 0  timeslices[1]    1   0.00005
# 1  timeslices[1]    2   0.00010
# 2          empty    3   0.00000
# 3          empty    4   0.00000

已更新。 对于不同的计算，最好将apply与自定义函数一起使用：

df['CPU_LOAD'] = 0

def set_cpu_load(x):
    if x['Messvariable'].startswith('timeslices[1]'):
        x['CPU_LOAD'] = x['max'] / (10000 * 2)
    elif x['Messvariable'].startswith('timeslices[2]'):
        pass  # other calculation
    # elif ...
    return x

df = df.apply(set_cpu_load, axis=1)