Python 无法删除数据帧中的部分字符串

我使用KDDCup来训练神经网络，但我对数据的布局感到相当困惑。当我使用scikit学习数据集功能下载数据集时：

data = datasets.fetch_kddcup99(return_X_y = True, )
df = pd.DataFrame(np.column_stack((data[0], data[1])))

然后运行命令df.head（），返回以下信息：

  0       1        2      3    4     5      ...     36 37 38 39 40          41
0  0  b'tcp'  b'http'  b'SF'  181  5450     ...      0  0  0  0  0  b'normal.'
1  0  b'tcp'  b'http'  b'SF'  239   486     ...      0  0  0  0  0  b'normal.'
2  0  b'tcp'  b'http'  b'SF'  235  1337     ...      0  0  0  0  0  b'normal.'
3  0  b'tcp'  b'http'  b'SF'  219  1337     ...      0  0  0  0  0  b'normal.'
4  0  b'tcp'  b'http'  b'SF'  217  2032     ...      0  0  0  0  0  b'normal.'

[5 rows x 42 columns]

我试图将输出类（元素41）更改为二进制，具体取决于标签是什么（如果正常，则为0，否则为1）。现在证明这很困难，因为数据类型是object，每当我执行

df.str.contains

，它都会将所有样本（50万个）转换为

NaN

我原以为解决这个问题的一个办法是什么都不做来取代

b'

，但我无法成功地做到这一点

---

我有点困惑于如何操作这个数据帧，其中所有列都是类型

Object

，甚至是标量值。

可以使用编码来移动字符

Python 2中忽略了前缀“b”或“b”；它表示在Python3中，文本应该变成字节文本（例如，当代码自动转换为2to3时）。“u”或“b”前缀后面可以跟“r”前缀

---

b

是第41列字符串的一部分吗？是的，b似乎在每个字符串文本的前面，然后将数据类型转换为“Object”。好的，我明白了。我可以运行df[41].apply（lambda x:x.decode（'utf-8'），这样可以正确地将数据显示为正常数据。我可以调整您的答案并删除所有字节文字，方法是首先定义所有包含它们的列，然后循环使用它们并应用decode函数。然后，我通过重试

str.contains

函数来测试结果，该函数正确地将我的输出列行设置为1和0。谢谢你的帮助。欢迎：-）@JohnathanBrown

stri="Response from server"    
c.send(stri.encode())

df[41].apply(lambda x: x.decode('utf-8'))