删除 python pandas 列中的特定字符串

Question

我有一个带有性别列的数据框。它包括对性别的预测。现在，性别列具有诸如 most_male、most_female 之类的值。我主要想删除。于是我试了df['gender'] = df['gender'].map(lambda x: x.lstrip('mostly_'))

但我有一个值为 'male' 的列对应于 'ale'

Answer 1

pandas.DataFrame.replace

您可以将字典传递给此方法以指定要使用的列

df.replace({'gender': {'mostly_': ''}}, regex=True)

---

pandas.Series.str.replace

优点是不需要指定regex=True

df.gender.str.replace('mostly_', '')

---

pandas.Series.str

投票“最可能”打破。但是，如果您知道所有条目都以 "mostly_" 开头，那为什么不呢

df.gender.str[7:]

---

pandas.Series.map

我不喜欢其他选项，因为它们都涉及字符串操作。您可以更明确地使用字典映射并保持恒定时间查找

df.gender.map({'mostly_male': 'male', 'mostly_female': 'female'})

---

时间

设置

df = pd.DataFrame(dict(gender=[f"mostly_{g}" for g in ['male', 'female'] * 10000]))

测试

%timeit df.replace({'gender': {'mostly_': ''}}, regex=True)
%timeit df.gender.str.replace('mostly_', '')
%timeit df.gender.str[7:]
%timeit df.gender.map({'mostly_male': 'male', 'mostly_female': 'female'})

100 loops, best of 3: 12.8 ms per loop
100 loops, best of 3: 16.1 ms per loop
100 loops, best of 3: 5.42 ms per loop
1000 loops, best of 3: 1.8 ms per loop

Answer 2

你应该使用替换：

 df['gender'] = df['gender'].str.replace('mostly_', '')

这会将“mostly_”的任何完全匹配项替换为空白“”。如果在您传递的字符串中找到任何前导字符，您的示例将从行中删除前导字符。所以“m”被lstrip找到了，“mostly_”被去掉了，但是由于“male”中有一个“m”，它也会被去掉。

Answer 3

您可以使用replace 删除不需要的字符串。 lstrip 将删除所有符合条件的字符。详情lstrip docs 也可以使用正则表达式库替换子字符串

import re
df['gender'].map(lambda x: re.sub('^mostly_','',x))