Python 按行修改数据帧中的字符串
在Python3的pandas数据帧中,列Python 按行修改数据帧中的字符串,python,string,pandas,strip,Python,String,Pandas,Strip,在Python3的pandas数据帧中,列string1和string2中有以下字符串: import pandas as pd datainput = [ { 'string1': 'TTTABCDABCDTTTTT', 'string2': 'ABABABABABABABAA' }, { 'string1': 'AAAAAAAA', 'string2': 'TTAAAATT' }, { 'string1': 'TTABCDTTTTT', 'string2': 'AB
string1
和string2
中有以下字符串:
import pandas as pd
datainput = [
{ 'string1': 'TTTABCDABCDTTTTT', 'string2': 'ABABABABABABABAA' },
{ 'string1': 'AAAAAAAA', 'string2': 'TTAAAATT' },
{ 'string1': 'TTABCDTTTTT', 'string2': 'ABABABABABA' }
]
df = pd.DataFrame(datainput)
df
string1 string2
0 TTTABCDABCDTTTTT ABABABABABABABAA
1 AAAAAAAA TTAAAATT
2 TTABCDTTTTT ABABABABABA
对于每一行,列string1
和string2
中的字符串定义为相同的长度
对于数据帧的每一行,字符串可能需要“清理”开头/结尾字母“T”。但是,对于每一行,字符串都需要去除相同数量的字符,以便字符串保持相同的长度
正确的输出如下所示:
df
string1 string2
0 ABCDABCD BABABABA
1 AAAA AAAA
2 ABCD ABAB
如果这是两个变量,则可以直接使用strip()
,例如
string1 = "TTTABCDABCDTTTTT"
string2 = "ABABABABABABABAA"
length_original = len(string1)
num_left_chars = len(string1) - len(string1.lstrip('T'))
num_right_chars = len(string1.rstrip('T'))
edited = string1[num_left_chars:num_right_chars]
## print(edited)
## 'ABCDABCD'
但是,在这种情况下,需要遍历所有行并同时重新定义两行。如何逐行修改这些字符串
编辑:我的主要困惑是,鉴于两列都可能T
,我如何重新定义它们
raw_data = {'name': ['Will Morris', 'Alferd Hitcock', 'Sir William', 'Daniel Thomas'],
'age': [11, 49, 66, 77],
'color': ['TblueT', 'redT', 'white', "cyan"],
'marks': [74, 90, 44, 17]}
df = pd.DataFrame(raw_data, columns = ['name', 'age', 'color', 'grade'])
print(df)
cols = ['name','color']
print("new df")
#following line does the magic
df[cols] = df[cols].apply(lambda row: row.str.lstrip('T').str.rstrip('T'), axis=1)
print(df)
将打印
name age color grade
0 TWillard MorrisT 20 TblueT 88
1 Al Jennings 19 redT 92
2 Omar Mullins 22 yellow 95
3 Spencer McDaniel 21 green 70
new df
name age color grade
0 Willard Morris 20 blue 88
1 Al Jennings 19 red 92
2 Omar Mullins 22 yellow 95
3 Spencer McDaniel 21 green 70
有点长,但能完成任务
import re
def count_head(s):
head = re.findall('^T+', s)
if head:
return len(head[0])
return 0
def count_tail(s):
tail = re.findall('T+$', s)
if tail:
return len(tail[0])
return 0
df1 = df.copy()
df1['st1_head'] = df1['string1'].apply(count_head)
df1['st2_head'] = df1['string2'].apply(count_head)
df1['st1_tail'] = df1['string1'].apply(count_tail)
df1['st2_tail'] = df1['string2'].apply(count_tail)
df1['length'] = df1['string1'].str.len()
def trim_strings(row):
head = max(row['st1_head'], row['st2_head'])
tail = max(row['st1_tail'], row['st2_tail'])
l = row['length']
return {'string1': row['string1'][head:(l-tail)],
'string2': row['string2'][head:(l-tail)]}
new_df = pd.DataFrame(list(df1.apply(trim_strings, axis=1)))
print(new_df)
输出:
string1 string2
0 ABCDABCD BABABABA
1 AAAA AAAA
2 ABCD ABAB
更紧凑的版本:
def trim(st1, st2):
l = len(st1)
head = max(len(st1) - len(st1.lstrip('T')),
len(st2) - len(st2.lstrip('T')))
tail = max(len(st1) - len(st1.rstrip('T')),
len(st2) - len(st2.rstrip('T')))
return (st1[head:(l-tail)],
st2[head:(l-tail)])
new_df = pd.DataFrame(list(
df.apply(lambda r: trim(r['string1'], r['string2']),
axis=1)), columns=['string1', 'string2'])
print(new_df)
需要注意的主要问题是
df.apply(,axis=1)
,它允许您在每一行上执行任何功能(在本例中,同时作用于两列)。两列是否都有T
?还是只有一个?原则上,请查看@user3483203这篇文章,两个专栏都可以。但是,它主要是string1
与T
的第一列,谢谢您的帮助。但是我需要修改这两个列,因为这两个列都可能有T
@ShanZhengYang我现在已经更改了代码,它可以按预期工作。请把答案标记为正确。我想还是有点混乱——我很乐意编辑我的问题。两列中的字符串长度相等。如果删除一个字符串中的N个字符,则必须删除另一个字符串中的N个字符。我写原始答案时非常困。我不太确定是否有一个简单的方法来做到这一点。如果你正在寻找黑客,Yoshi Hammer写的答案应该有用。我会尽快给你一个更好的版本。谢谢!如果你能得到更有效/更快的帮助,我将不胜感激。这是非常明智的,回答了我的问题。我们为每个字符串的计数创建一个新列,然后使用它来操作新列。