Python 数据帧中整列的子字符串

我有一个熊猫数据帧“df”。在这个数据帧中，我有多个列，其中一个必须子串。 假设列名为“col”。 我可以运行下面这样的“for”循环，并对列进行子串：

for i in range(0,len(df)):
  df.iloc[i].col = df.iloc[i].col[:9]

---

但我想知道，是否有一个选项，我不必使用“for”循环，而是直接使用属性。我有大量的数据，如果我这样做，数据将需要很长的时间处理。

使用带方括号的

str

访问器：

df['col'] = df['col'].str[:9]

或：

---

使用带方括号的

str

访问器：

df['col'] = df['col'].str[:9]

或：

---

我需要将形式为nn.n%的字符串的单个列转换为浮点。我需要从每行的元素中删除%。数据框有两列

attend.iloc[:,1:2]=attend.iloc[:,1:2].applymap(lambda x: float(x[:-1]))

---

这是原始答案的延伸。在我的例子中，它接受一个数据帧，并对特定列中的每个值应用一个函数。该函数删除最后一个字符，并将剩余的字符串转换为浮点。

我需要将格式为nn.n%的一列字符串转换为浮点。我需要从每行的元素中删除%。数据框有两列

attend.iloc[:,1:2]=attend.iloc[:,1:2].applymap(lambda x: float(x[:-1]))

---

这是原始答案的延伸。在我的例子中，它接受一个数据帧，并对特定列中的每个值应用一个函数。该函数删除最后一个字符并将剩余的字符串转换为浮点。

如果列不是字符串，请使用aType转换：

---

df['col']=df['col'].astype（str）.str[:9]

如果列不是字符串，请使用astype转换：

---

df['col']=df['col'].astype（str）.str[:9]

很难说这是否是问题的答案。很难说这是否是问题的答案。这给了我一个可怕的

设置和copyWarning:

很棒的解决方案！但我很好奇在大数据集上哪一个更快。。。对于df['col']]中的x，将其与

df['col']=[x[:9]进行比较怎么样？您可以将建议的解决方案与
pd.options.mode.chained_assignment=None#default='warn'
一起使用，以消除警告。或者，你可以看看这些主题，然后浪费几分钟的时间：这给了我可怕的
设置和copyWarning:
伟大的解决方案！但我很好奇在大数据集上哪一个更快。。。对于df['col']]

中的x，将其与

df['col']=[x[:9]进行比较怎么样？您可以将建议的解决方案与
pd.options.mode.chained_assignment=None#default='warn'
一起使用，以消除警告。或者，你可以看看这些话题，然后浪费几分钟的时间：