Python 熊猫替换完整的字串

我有一个数据帧：

df = pd.DataFrame({'id' : ['abarth 1.4 a','abarth 1 a','land rover 1.3 r','land rover 2',
                           'land rover 5 g','mazda 4.55 bl'], 
                   'series': ['a','a','r','','g', 'bl'] })

我想从相应的id中删除“series”字符串，因此最终结果应该是：

'id'：['abarth 1.4'、'abarth 1'、'land rover 1.3'、'land rover 2'、'land rover 5'、'mazda 4.55']

目前我正在使用df.apply：

df.id = df.apply(lambda x: x['id'].replace(x['series'], ''), axis =1)

但这会删除字符串的所有实例，即使换言之，如下所示：

'id'：['brth 1.4'、'brth 1'、'land ove 1.3'、'land rover 2'、'land rover 5'、'mazda 4.55']

我是否应该以某种方式将regex与df.apply中的变量混合匹配，就像这样

df.id = df.apply(lambda x: x['id'].replace(r'\b' + x['series'], ''), axis =1)

---

您可以使用

str.rpartition

分割最后一个空格上的

id

s

In [169]: parts = df['id'].str.rpartition(' ')[[0,2]]; parts
Out[169]: 
                0   2
0      abarth 1.4   a
1        abarth 1   a
2  land rover 1.3   r
3      land rover   2
4    land rover 5   g
5      mazda 4.55  bl

然后您可以使用

==

将

部分[2]

与

df['series']

进行比较：

In [170]: mask = (parts[2] == df['series']); mask
Out[170]: 
0     True
1     True
2     True
3    False
4     True
5     True
dtype: bool

最后，使用

df['id']。其中

将

df['id

]替换为

部分[0]

，其中

掩码

为真：

import pandas as pd
df = pd.DataFrame(
    {'id' : ['abarth 1.4 a','abarth 1 a','land rover 1.3 r','land rover 2',
             'land rover 5 g','mazda 4.55 bl'], 
     'series': ['a','a','r','','g', 'bl'] })
parts = df['id'].str.rpartition(' ')[[0,2]]
mask = (parts[2] == df['series'])
df['id'] = df['id'].where(~mask, parts[0], axis=0)
print(df)

屈服

               id series
0      abarth 1.4      a
1        abarth 1      a
2  land rover 1.3      r
3    land rover 2       
4    land rover 5      g
5      mazda 4.55     bl

---

或者，您可以使用

import re
def remove_series(x):
    pat = r'{}$'.format(x['series'])
    return re.sub(pat, '', x['id'])
df['id'] = df.apply(remove_series, axis=1)

---

但是使用自定义函数调用

df.apply

往往比使用内置矢量化方法（如第一种方法中使用的方法）慢得多。

如果要指定

系列

字符串，请使用

re

：

df.apply(lambda x: re.sub('\s*{}$'.format(x['series']), '', x['id']), axis=1)

如果

系列

字符串始终是可预测的模式（即

[a-z]

），您也可以尝试：

df['id'].apply(lambda x: re.sub('\s*[a-z]+$', '', x))

无论哪种方式，输出都是您想要的：

0        abarth 1.4
1          abarth 1
2    land rover 1.3
3      land rover 2
4      land rover 5
5        mazda 4.55