替换熊猫数据框中的模式答案

【问题标题】：Replace the pattern in pandas datframe替换熊猫数据框中的模式
【发布时间】：2020-09-07 19:01:39
【问题描述】：

这就是我的数据的样子，

col1,col2,col3,col4
1234,|$||$|,2020|$|2011,|$||$|
5639,|$|,2010|$|2019,|$||$||$|

|$|用作分隔多值列的分隔符。所以这里出现了多值属性中数据为空的情况。我需要将其替换为如下所述的空。

col1,col2,col3,col4
1234,,2020|$|2011,
5639,,2010|$|2019,

有人可以在 python 中帮助我吗？

【问题讨论】：

标签： python-3.x pandas dataframe

【解决方案1】：

假设您已经将数据读入数据框df。试试这个

df_final = df.replace(r'^(\|\$\|)+$', '', regex=True)

Out[632]:
   col1 col2         col3 col4
0  1234       2020|$|2011
1  5639       2010|$|2019

如果要将结果保存到csv 文件，请执行此附加步骤

df_final.to_csv('t.csv', index=False)

【讨论】：

【解决方案2】：

如果您需要删除任何产生空字符串的多余分隔符，您可以试试这个正则表达式(?<=^)(\|\$\|)+|\|\$\|(?=$|\|\$\|)，它的作用是匹配位于字符串末尾或后跟另一个分隔符的分隔符：

(?<=^)(\|\$\|)+|\|\$\|(?=$|\|\$\|)
^^^^^^^^^^^^^^^                    match all delimiters from beginning of string
                ^^^^^^^^^^^^^^^^^  match delimiter if it is at the end of string or followed by 
                                   another delimiter

然后您可以使用.str.replace 删除所有匹配的分隔符：

print(df)
#   col1    col2         col3         col4
#0  1234  |$||$|  2020|$|2011       |$||$|
#1  5639     |$|  2010|$|2019    |$||$||$|
#2  5639   |$|33  2010|$|2019  |$||$|22|$|
#3  5639   22|$|  2010|$|2019  11|$||$||$|

pattern = r"(?<=^)(\|\$\|)+|\|\$\|(?=$|\|\$\|)"

def clean_delim(col):
    if col.dtype == 'object':
        return col.str.replace(pattern, '')
    else:
        return col
        
print(df.apply(clean_delim))

#   col1 col2         col3 col4
#0  1234       2020|$|2011     
#1  5639       2010|$|2019     
#2  5639   33  2010|$|2019   22
#3  5639   22  2010|$|2019   11

或者只是将df.replace(pattern, '', regex=True) 当作@Andy

检查full example here。

【讨论】：

【解决方案3】：

将上面的csv转换成dataframe后，可以试试下面吗-

df.applymap(lambda x: x if all(x.split(r'|$|')) else '')

【讨论】：