Python 修改dataframe列的字符串值

在数据帧中

df = pd.DataFrame({'c1': ['c10:b', 'c11', 'c12:k'], 'c2': ['c20', 'c21', 'c22']})

     c1    c2
0   c10:b  c20
1   c11    c21
2   c12:k  c22

我想修改列c1的字符串值，以便删除冒号后面（包括冒号）的所有内容，因此结果如下：

     c1    c2
0   c10    c20
1   c11    c21
2   c12    c22

我试过切片

df[’c1’].str[:df[’c1’].str.find(’:’)]

---

但它不起作用。如何实现这一点？

使用

替换
为
regex=True
：

df.replace(r'\:.*', '', regex=True)


要仅在单个列中替换此模式，请使用
str
访问器：

df.c1.str.replace(r'\:.*', '')

如果性能是一个问题，请使用列表理解和
分区
而不是
字符串方法：

[i.partition(':')[0] for i in df.c1]
# ['c10', 'c11', 'c12']

计时

[i.partition(':')[0] for i in df.c1]
# ['c10', 'c11', 'c12']

df = pd.concat([df]*10000)

%timeit df.replace(r'\:.*', '', regex=True)
30.8 ms ± 340 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df.c1.str.replace(r'\:.*', '')
31.2 ms ± 449 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df['c1'].str.partition(':')[0]
56.7 ms ± 269 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit [i.partition(':')[0] for i in df.c1]
4.2 ms ± 22.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)