Python 熊猫们，在最后一个'之后移除所有东西_'；

我在下面的专栏中看到了以下类型的字符串。我想解析出每个字符串最后一个

\uu

之后的所有内容，如果没有

\u

，则保持字符串不变。（正如我在下面尝试的那样，只会排除不带

\uuu

的字符串）

到目前为止，我已经尝试了以下内容，请参见：。但它只是在第一次

之后解析出所有内容

d6['SOURCE\u NAME']=d6['SOURCE\u NAME'].str.split（'uu'）.str[0]

下面是“我的源名称”列中的一些示例字符串

Stackoverflow_1234
Stack_Over_Flow_1234
Stackoverflow
Stack_Overflow_1234

预期：

Stackoverflow
Stack_Over_Flow
Stackoverflow
Stack_Overflow

任何帮助都将不胜感激。
您可以尝试应用lambda，如下所示：

d6['SOURCE_NAME'] = df['SOURCE_NAME'].apply(lambda x: x.split('_')[0])

希望有帮助
 您可以尝试这样应用lambda：

d6['SOURCE_NAME'] = df['SOURCE_NAME'].apply(lambda x: x.split('_')[0])

希望有帮助
 使用rsplit（）返回您想要实现的结果，您可以告诉它拆分字符串的次数

s = "Stack_Over_Flow_1234"
s.rsplit('_', 1)[0] # Split my string one time and get the first part of it

然后使用rsplit（）返回
'Stack\u Over\u Flow'
返回您想要实现的结果，您可以告诉它拆分字符串的次数

s = "Stack_Over_Flow_1234"
s.rsplit('_', 1)[0] # Split my string one time and get the first part of it

然后返回
'Stack\u Over\u Flow'
使用
str.rsplit
和
str.get
的组合以获得所需的结果
str.rsplit
仅从末尾拆分字符串，而
str.get
获取pd.Series对象中迭代器的第n个元素


答复
d6['SOURCE\u NAME']=df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）

rsplit
中的
n
参数限制了输出中拆分的数量，因此您只保留最后一个'\u1'之前的所有内容

尽管使用
pd.Series.apply
的解决方案的速度几乎是原来的一半，但我还是喜欢这个解决方案，因为它的语法更具表现力。如果您想使用pd.Series.apply

解决方案（更快），请检查定时部分

---

例子

strs=['Stackoverflow_1234'，
“叠加在流量上”，
“堆栈溢出”，
'堆栈溢出\u 1234']
df=pd.DataFrame（数据={'SOURCE_NAME'：strs}）

这导致

print(df)
            SOURCE_NAME
0    Stackoverflow_1234
1  Stack_Over_Flow_1234
2         Stackoverflow
3   Stack_Overflow_1234

使用提议的解决方案：

df['SOURCE\u NAME'].str.rsplit（''uu'，1）.str.get（0）
0堆栈溢出
1个堆栈溢出流
2堆垛溢出
3堆栈溢出
名称：源名称，数据类型：对象

时间 有趣的是，使用

pd.Series.str不一定比使用
pd.Series.apply快：

将熊猫作为pd导入
df=pd.DataFrame（数据={'SOURCE_NAME'：['stackoverflow_1234_abcd']*1000}）
%timeit df['SOURCE_NAME'].apply（lambda x:x.rsplit（'uu'，1）[0]）
每个回路497µs±30.2µs（7次运行的平均值±标准偏差，每个1000个回路）
%timeit df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）
每个回路1.04 ms±4.27µs（7次运行的平均值±标准偏差，每个1000个回路）
#增加行数x 100
df=局部固结（[df]*100）
%timeit df['SOURCE_NAME'].apply（lambda x:x.rsplit（'uu'，1）[0]）
每个回路31.7 ms±1.5 ms（7次运行的平均值±标准偏差，每个10个回路）
%timeit df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）
每个回路84.1 ms±6.88 ms（7次运行的平均值±标准偏差，每个10个回路）
使用
str.rsplit
和
str.get
的组合来获得您想要的结果
str.rsplit
仅从末尾拆分字符串，而
str.get
获取pd.Series对象中迭代器的第n个元素


答复
d6['SOURCE\u NAME']=df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）

rsplit
中的
n
参数限制了输出中拆分的数量，因此您只保留最后一个'\u1'之前的所有内容

尽管使用
pd.Series.apply
的解决方案的速度几乎是原来的一半，但我还是喜欢这个解决方案，因为它的语法更具表现力。如果您想使用pd.Series.apply
解决方案（更快），请检查定时部分



例子
strs=['Stackoverflow_1234'，
“叠加在流量上”，
“堆栈溢出”，
'堆栈溢出\u 1234']
df=pd.DataFrame（数据={'SOURCE_NAME'：strs}）

这导致

print(df)
            SOURCE_NAME
0    Stackoverflow_1234
1  Stack_Over_Flow_1234
2         Stackoverflow
3   Stack_Overflow_1234

使用提议的解决方案：

df['SOURCE\u NAME'].str.rsplit（''uu'，1）.str.get（0）
0堆栈溢出
1个堆栈溢出流
2堆垛溢出
3堆栈溢出
名称：源名称，数据类型：对象

时间
有趣的是，使用
pd.Series.str不一定比使用
pd.Series.apply快：

将熊猫作为pd导入
df=pd.DataFrame（数据={'SOURCE_NAME'：['stackoverflow_1234_abcd']*1000}）
%timeit df['SOURCE_NAME'].apply（lambda x:x.rsplit（'uu'，1）[0]）
每个回路497µs±30.2µs（7次运行的平均值±标准偏差，每个1000个回路）
%timeit df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）
每个回路1.04 ms±4.27µs（7次运行的平均值±标准偏差，每个1000个回路）
#增加行数x 100
df=局部固结（[df]*100）
%timeit df['SOURCE_NAME'].apply（lambda x:x.rsplit（'uu'，1）[0]）
每个回路31.7 ms±1.5 ms（7次运行的平均值±标准偏差，每个10个回路）
%timeit df['SOURCE\u NAME'].str.rsplit（''uu'，n=1）.str.get（0）
每个回路84.1 ms±6.88 ms（7次运行的平均值±标准偏差，每个10个回路）
您可以使用string.split（“”）函数将字符串拆分为围绕每个下划线的子字符串列表，然后在不使用最后一个元素的情况下重新组合它们。下面是一个使用您的示例的片段：

a = ["Stackoverflow_1234", "Stack_Over_Flow_1234", "Stackoverflow", "Stack_Overflow_1234"]

for e in a:

    # Split the string into a list, separated at '_'
    splitStr = e.split("_")

    # If there is only 1 element, we can use it directly
    if len(splitStr) == 1:
        print(splitStr[0])

    # Slice off the final substring and join the remaining 
    # substrings back together with underscores
    else:
        print("_".join(splitStr[:-1]))

可以使用string.split（“”）函数将字符串拆分为围绕每个下划线的子字符串列表，然后在不使用最后一个元素的情况下重新组合它们。下面是一个使用您的示例的片段：

a = ["Stackoverflow_1234", "Stack_Over_Flow_1234", "Stackoverflow", "Stack_Overflow_1234"]

for e in a:

    # Split the string into a list, separated at '_'
    splitStr = e.split("_")

    # If there is only 1 element, we can use it directly
    if len(splitStr) == 1:
        print(splitStr[0])

    # Slice off the final substring and join the remaining 
    # substrings back together with underscores
    else:
        print("_".join(splitStr[:-1]))

你好，小伙子
n=1
是
pd.Series.str.rsplit
方法上的一个参数，它在普通Python上的对应项为
str.rsplit
，普通参数为
maxslit=1
。这些参数只是从右侧限制拆分的数量。请注意，这些参数的默认值为
-1
，这意味着不限制拆分的数量。如果我说
pd.Series.s