Python 在数据帧上应用正则表达式函数
我在熊猫中有一个数据帧,如:Python 在数据帧上应用正则表达式函数,python,regex,pandas,dataframe,data-manipulation,Python,Regex,Pandas,Dataframe,Data Manipulation,我在熊猫中有一个数据帧,如: 0 1 2 ([0.8898668778942382 0.89533945283595] 0) ([1.2632564814188714 1.0207660696232244] 0) ([1.006649166957976 1.1180973832359227] 0) ([0.9653632916751714 0.8625538463644129] 0) (
0 1 2
([0.8898668778942382 0.89533945283595] 0)
([1.2632564814188714 1.0207660696232244] 0)
([1.006649166957976 1.1180973832359227] 0)
([0.9653632916751714 0.8625538463644129] 0)
([1.038366333873932 0.9091449796555554] 0)
所有值都是字符串。我想删除所有特殊字符并转换为双精度字符。我想应用一个函数,删除除点状字符外的所有特殊字符
import re
re.sub('[^0-9.]+', '',x)
所以我想在数据帧的所有单元格中应用它。我怎么做?我找到了df.applymap函数,但我不知道如何将字符串作为参数传递。我试过了
def remSp(x):
re.sub('^[0-9]+', '',x)
df.applymap(remSp())
但我不知道如何将细胞传递给功能。有更好的方法吗
感谢您使用
applymap
In [814]: df.applymap(lambda x: re.sub(r'[^\d.]+', '', x)).astype(float)
Out[814]:
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0
使用transform
In [809]: df.transform(lambda x: x.str.replace(r'[^\d.]+', '')).astype(float)
Out[809]:
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0
迭代列,调用str.replace
for c in df.columns:
df[c] = df[c].str.replace('[^\d.]', '')
df = df.astype(float)
df
0 1 2
0 0.889867 0.895339 0
1 1.263256 1.020766 0
2 1.006649 1.118097 0
3 0.965363 0.862554 0
4 1.038366 0.909145 0
不幸的是,pandas
还不支持整个数据帧上的字符串访问器操作,因此在列上循环的替代方法可能会更慢,比如lambdisedapplymap/transform
性能
小的
大(df*10000
)
为什么不能直接使用正则表达式对df使用默认替换方法,即
df = df.replace('[^\d.]', '',regex=True).astype(float)
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0
这仍然比其他答案快 传递remSp
而不使用()
,参数是函数本身,而不是调用的结果。applymap函数随后将调用remSp
,对您传递的数据帧中的每个项目都要寻找df.applymap(remSp)
,注意,在传递之前不想调用函数,.applymap
将函数作为参数。注意,您可能希望在regex模式中向您的组添加一个
。。我尝试了[df.applymap(remSp)],但返回了一个包含所有值的数据帧None@MichailN是的,因为remSp
总是按照您定义的方式返回None
。@COLDSPEED,尽管我喜欢一行,但您的答案执行得更好,先生@米切林。认真地单行程序被高估了。@COLDSPEED有时风格比性能好,但无论如何你都是correct@MichailN在我不得不直接打断别人的回答之前,我的回答没有投票权。。。认真地没人喜欢圈之类的-(@cᴏʟᴅsᴘᴇᴇᴅ -- 我同意,我自己也很在意性能;)在标记就地操作和返回副本的函数时,您可能需要小心。在前一种情况下,在第一次替换完成后,剩下的99个测试循环实际上并没有执行相同的操作,明白吗?@JohnGalt让我用1个循环重新运行。并且,检查在循环中移动astype(float)
是否会进一步改进它。@JohnGalt用一个循环重新运行。而且,在循环中输入一个字会使情况变得更糟。@cᴏʟᴅsᴘᴇᴇᴅ 我的答案呢?我试过这一行,它给了我以下错误:“无法将字符串转换为浮点”有什么想法吗?在这之后,请尝试删除.astype(float)
,并使用.apply(lambda x:pd.to_numeric(x,errors='concurve'),1)
,该错误可能是因为列中存在一些nan
或未知字符串。
1 loop, best of 3: 618 ms per loop # applymap
1 loop, best of 3: 658 ms per loop # transform
1 loop, best of 3: 341 ms per loop # looped str.replace
1 loop, best of 3: 212 ms per loop # df.replace
df = df.replace('[^\d.]', '',regex=True).astype(float)
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0