Python 如何从数据帧列中的某些行中删除字符？

我有一个大的数据框，我需要清理，作为一个样本，请看看这个数据框

import pandas as pd

cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Suzuki'],
        'Price': ['22000.T','25000.T','27000','.TPX','.NKM1']
        }

df = pd.DataFrame(cars, columns = ['Brand', 'Price'])

print (df)

我想从单词的末尾删除“.T”，只从包含单词的行的开头删除“.”

通过以下代码行，我可以删除“.T”

df['Price'].replace('.T', '', regex=True)

但它也从“.TPX”中删除了“T”

任何关于这方面的建议都将不胜感激

0    22000
1    25000
2    27000
3       PX
4    .NKM1
Name: Price, dtype: object

也用于在添加此行时删除“.”

f['Price'].replace('.', '', regex=True)

我得到了与预期不同的数据帧

0    
1    
2    
3    
4    
Name: Price, dtype: object

Series.str.replace

---

正则表达式详细信息：

• ^

  ：在行首断言位置

• （？：\）

  ：与字符匹配的非捕获组

• ？

  ：与以前的非捕获组零次或一次匹配

• （.*）

  ：捕获与除行终止符以外的任何字符匹配的组，零次或多次，但次数尽可能少（

  延迟匹配

  ）

• （？：\.T）

  ：匹配

  .T

• ？

  ：与以前的非捕获组零次或一次匹配

• $

  ：断言行末尾的位置

---

请参见

我想解释一下为什么会得到这个结果。这是因为

在模式中使用时具有特殊意义，特殊字符列表以开头

（点。）在默认模式下，它匹配除字符外的任何字符 新线。如果指定了

DOTALL

标志，则该标志与任何 包含换行符的字符

所以，当你说文字>代码> <代码>时，你需要跳过它，考虑下面的例子

df = pd.DataFrame({"col1":["3.45"]})
df["unescaped"] = df.col1.replace(r'.','X',regex=True)
df["escaped"] = df.col1.replace(r'\.','X',regex=True)
print(df)

输出

   col1 unescaped escaped
0  3.45      XXXX    3X45

---

请注意，我在这里使用了所谓的原始字符串，它允许以更可读的形式转义模式中具有特殊含义的字符（如果没有原始字符串，我将不得不编写

'\\.

，有关详细信息，请参阅

re

文档）。如果您在正则表达式模式方面遇到困难，我建议您使用以获得其解释。

另一种方法是使用，并使用and满足您的条件：

---

---

你应该能够通过锚定和所谓的积极回顾来实现你想要的

df['Price'].替换（'（？您还可以使用：

您可以在字符串的开头匹配一个点，也可以在结尾匹配
.T
。然后在替换中使用空字符串

\A\.|\.T\Z

比如说

import pandas as pd

cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Suzuki'],
        'Price': ['22000.T','25000.T','27000','.TPX','.NKM1']
        }

df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
df['Price'] = df['Price'].replace(r"\A\.|\.T\Z", "", regex=True)
print(df)

输出

            Brand  Price
0     Honda Civic  22000
1  Toyota Corolla  25000
2      Ford Focus  27000
3         Audi A4    TPX
4          Suzuki   NKM1

使用

>>df['Price'].str.replace（r'^\.\124;\.T$，''，regex=True）
0    22000
1    25000
2    27000
3 TPX
4 NKM1

看

解释

--------------------------------------------------------------------------------
^字符串的开头
--------------------------------------------------------------------------------
\.                       '.'
--------------------------------------------------------------------------------
|或
--------------------------------------------------------------------------------
\.                       '.'
--------------------------------------------------------------------------------
没有
--------------------------------------------------------------------------------
$在可选的前\n和
一串
< /代码> @ ANKY，因为它也会在开始和结束时删除不需要的字符。考虑虚构的单词<代码> ABCDDTT.T >代码>，因此使用<代码> .Rabl（.t）
将导致
ABCDD
，这意味着它还将在最后删除额外的
T，这可能是不需要的…尽管如果这不是数据集中的问题，那么我们肯定可以使用
rstrip。
import numpy as np

p = df['Price'].str
df['Price'] = np.where(p.startswith('.'),p.replace('.','',regex=True),
                         np.where(p.endswith('.T'),p.replace('.T','',regex=True),p))

            Brand  Price
0     Honda Civic  22000
1  Toyota Corolla  25000
2      Ford Focus  27000
3         Audi A4    TPX
4          Suzuki   NKM1

In [178]: import numpy as np

In [179]: conds = [df.Price.str.endswith('.T'), df.Price.str.startswith('.')]
In [182]: choices = [df.Price.str.replace('.T', '', regex=True), df.Price.str.replace('.', '', regex=True)]

In [189]: df.Price = np.select(conds, choices, default=df.Price)

In [190]: df
Out[190]: 
            Brand  Price
0     Honda Civic  22000
1  Toyota Corolla  25000
2      Ford Focus  27000
3         Audi A4    TPX
4          Suzuki   NKM1

\A\.|\.T\Z

import pandas as pd

cars = {'Brand': ['Honda Civic','Toyota Corolla','Ford Focus','Audi A4','Suzuki'],
        'Price': ['22000.T','25000.T','27000','.TPX','.NKM1']
        }

df = pd.DataFrame(cars, columns = ['Brand', 'Price'])
df['Price'] = df['Price'].replace(r"\A\.|\.T\Z", "", regex=True)
print(df)

            Brand  Price
0     Honda Civic  22000
1  Toyota Corolla  25000
2      Ford Focus  27000
3         Audi A4    TPX
4          Suzuki   NKM1