Python 删除字符串中的第一个单词，具体取决于字符串中上述行的值

我有下面的数据框

+---------------------+
|         Col         |
+---------------------+
| CATEGORY A          |
| asdwed hello        |
| 8771asd how are you |
| CATEGORY B          |
| hello how are you   |
+---------------------+

d = {'col': ['CATEGORY A', 'asdwed hello', '8771asd how are you', 'CATEGORY B', 'hello how are you']}
df = pd.DataFrame(data=d)

我试图完成的是仅删除某些行的第一个单词。也就是说，对于

类别A

下面的行，我应该删除第一个单词，但是对于

类别B

下面的行，我不应该删除第一个单词

可以假设类别下面的行永远不会与类别本身具有相同的字符串值

因此，输出数据帧如下所示

+---------------------+
|         Col         |
+---------------------+
| CATEGORY A          |
| hello               |
| how are you         |
| CATEGORY B          |
| hello how are you   |
+---------------------+

下面是数据框

+---------------------+
|         Col         |
+---------------------+
| CATEGORY A          |
| asdwed hello        |
| 8771asd how are you |
| CATEGORY B          |
| hello how are you   |
+---------------------+

d = {'col': ['CATEGORY A', 'asdwed hello', '8771asd how are you', 'CATEGORY B', 'hello how are you']}
df = pd.DataFrame(data=d)

---

什么是实现这一点的最具python风格的方法？

我们可以利用智能掩蔽和字符串操作来创建布尔数组，最后使用

loc

来设置值

m1 = df['col'].eq('CATEGORY A')
m2 = df['col'].str.startswith('CATEGORY')
mask = m1.cumsum().eq(m2.cumsum()) & ~m1

df.loc[mask, 'col'] = df.loc[mask, 'col'].str.split(n=1).str[1]


                 col
0         CATEGORY A
1              hello
2        how are you
3         CATEGORY B
4  hello how are you

---

我们可以利用智能掩蔽和字符串操作来创建布尔数组，最后使用

loc

来设置值

m1 = df['col'].eq('CATEGORY A')
m2 = df['col'].str.startswith('CATEGORY')
mask = m1.cumsum().eq(m2.cumsum()) & ~m1

df.loc[mask, 'col'] = df.loc[mask, 'col'].str.split(n=1).str[1]


                 col
0         CATEGORY A
1              hello
2        how are you
3         CATEGORY B
4  hello how are you

---

这是相当放松和漫长的@埃尔凡的答案更短，更容易理解

box = (df
      .assign(category=lambda x: np.where(x.Col.str.contains("CATEGORY"), x.Col, np.nan))
      .ffill()
      .query("Col != category")
      .assign(Col=lambda x: np.where(x.category == "CATEGORY A",
                                     x.Col.str.split(n=1).str[-1], x.Col))
      .drop("category", 1))


#update the values of df : 
df.update(box)

df

    Col
0   CATEGORY A
1         hello
2   how are you
3   CATEGORY B
4   hello how are you

---

这是相当放松和漫长的@埃尔凡的答案更短，更容易理解

box = (df
      .assign(category=lambda x: np.where(x.Col.str.contains("CATEGORY"), x.Col, np.nan))
      .ffill()
      .query("Col != category")
      .assign(Col=lambda x: np.where(x.category == "CATEGORY A",
                                     x.Col.str.split(n=1).str[-1], x.Col))
      .drop("category", 1))


#update the values of df : 
df.update(box)

df

    Col
0   CATEGORY A
1         hello
2   how are you
3   CATEGORY B
4   hello how are you

试试这个

start = df.col.eq("CATEGORY A").idxmax() + 1  
end = df.col.eq("CATEGORY B").idxmax() - 1

df.loc[start:end, 'col'] = df.loc[start:end, 'col'].str.replace("^(.*?)\s", "")

---

试试这个

start = df.col.eq("CATEGORY A").idxmax() + 1  
end = df.col.eq("CATEGORY B").idxmax() - 1

df.loc[start:end, 'col'] = df.loc[start:end, 'col'].str.replace("^(.*?)\s", "")

---

---

groupby

包含字符串和筛选器

CATEGORY A

以及备用项。替换包含

字符串A

的组中子字符串中的第一个单词，并合并两个数据帧

df2=df.groupby(df.col.str.contains('CATEGORY').cumsum()).filter(lambda x:x['col'].str.contains('CATEGORY A').any())
df2.iloc[1:,:].replace(regex=r'(^[^ ]+)',value="", inplace=True)
    
df2.append(df.groupby(df.col.str.contains('CATEGORY').cumsum()).filter(lambda x:~x['col'].str.contains('CATEGORY A').any()))



               col
0           CATEGORY A
1              hello
2        how are you
3           CATEGORY B
4  hello how are you

---

groupby

包含字符串和筛选器

CATEGORY A

以及备用项。替换包含

字符串A

的组中子字符串中的第一个单词，并合并两个数据帧

df2=df.groupby(df.col.str.contains('CATEGORY').cumsum()).filter(lambda x:x['col'].str.contains('CATEGORY A').any())
df2.iloc[1:,:].replace(regex=r'(^[^ ]+)',value="", inplace=True)
    
df2.append(df.groupby(df.col.str.contains('CATEGORY').cumsum()).filter(lambda x:~x['col'].str.contains('CATEGORY A').any()))



               col
0           CATEGORY A
1              hello
2        how are you
3           CATEGORY B
4  hello how are you

---

示例数据框具有

字符串A

和打印数据框具有

类别A

示例数据框具有

字符串A

和打印数据框具有

类别A

是的索引偏移量应该是一个变量，对于特定类别，它可能不总是一行或两行。EAH索引偏移量应该是一个变量，对于某个类别，它可能并不总是一行或两行