如何以最佳方式替换数据框答案

【问题标题】：How can I optimally replace the dataframe如何以最佳方式替换数据框
【发布时间】：2021-07-15 11:14:17
【问题描述】：

我有一个数据框中的单词列表，我想用空字符串替换它。我有一个名为 source 的列，我必须正确清理它。例如，将“siliconvalley.co”替换为“siliconvalley”

我创建了一个列表

list = ['.com','.co','.de','.co.jp','.co.uk','.lk','.it','.es','.ua','.bg','.at','.kr']

并用空字符串替换它们

for l in list:
    df['source'] = df['source'].str.replace(l,'')

在输出中，我得到了“silinvalley”，这意味着它也替换了“co”而不是“.co” 我希望代码替换与模式完全匹配的数据。请帮忙！

【问题讨论】：

Series.str.replace() 默认将替换字符串作为正则表达式处理，因此点表示“任何字符”。你要么需要传递regex=False，要么用反斜杠转义点，例如'\.com'而不是'.com'，那么它们将只匹配文字点。
能否请您给我们一些您的数据框以及您的输出？
顺便说一句，使用像list 这样的内置名称作为变量名是不好的做法，最好使用像domains = ['\.com', ...] 这样的名称。
这能回答你的问题吗？ How to remove strings present in a list from a column in pandas
您只想从字符串中删除域 TLD 吗？

标签： python pandas database dataframe numpy

【解决方案1】：

这是一种方法。更换顺序必须小心。如果 '.co' 出现在 '.co.uk' 之前，您不会得到想要的结果。

df["source"].replace('|'.join([re.escape(i) for i in list_]), '', regex=True)

小例子：

import pandas as pd
import re

list_ = ['.com','.co.uk','.co','.de','.co.jp','.lk','.it','.es','.ua','.bg','.at','.kr']

df = pd.DataFrame({
    'source': ['google.com', 'google.no', 'google.co.uk']
})

pattern = '|'.join([re.escape(i) for i in list_])

df["new_source"] = df["source"].replace(pattern, '', regex=True)

print(df)
#         source new_source
#0    google.com     google
#1     google.no  google.no
#2  google.co.uk     google

【讨论】：