如何修改熊猫数据框中的字符串（正则表达式？）答案

【问题标题】：How to modify strings in a pandas dataframe (regex?)如何修改熊猫数据框中的字符串（正则表达式？）
【发布时间】：2015-03-13 16:29:28
【问题描述】：

假设我在 Pandas DataFrame 中有以下行：

970 P-A1-1019-03-C15,15 23987896    1   8
971 P-A1-1019-06-B15,15 23251711    4   8
972 P-A1-1019-08-C15,15 12160034    2   8
973 P-A1-1020-01-D15,15 8760012     1   8

我想更改第二列以从字符串中删除“,15”。期望的最终状态是这样的：

970 P-A1-1019-03-C15    23987896    1   8
971 P-A1-1019-06-B15    23251711    4   8
972 P-A1-1019-08-C15    12160034    2   8
973 P-A1-1020-01-D15    8760012     1   8

要删除的内容并不总是“,15”，它可能是“,10”、“,03”、“,4”等。此外，输入中的某些行的格式不同，并且可能看起来像这样：

4   RR00-0,2020338  24380076    4   12
5   RR00-0,2020738  10562767    2   12
6   ,D              24260808    1   12
7   ,D              23521158    1   12

最初，我只对字符串符合“P-A1-1019-03-C15”形式的情况感兴趣，因此能够删除不匹配的行会很好具体格式。

是否有内置的方法来进行这种处理，还是我需要手动迭代每一行？

【问题讨论】：

您的第一件事很简单，只需执行df['col'] = df['col'].str.replace(',15','')，第二件事您可以使用诸如df[df['col'].str.contains(regex)] 之类的正则表达式进行过滤
str.replace(',15','') 是否适用于要删除的内容为 ',11' 的情况？
不，它会寻找完全匹配，这取决于您的数据的变化程度，您可以说对字符串进行切片：df['col'] = df['col'].str.[:-3] 这将去掉最后 3 个字符（我想，我可能是减一个）或者这样做：df['col'] = df['col'].str[:15] 如果你想要前 16 个字符
然后我可以先用df[df['col'].str.contains(regex)] 进行过滤，然后，一旦所有字符串都统一格式化，去掉最后三个...
类似的东西，但如果所有 duff 值都小于该长度，则说df[df['col'].str.len() >=16] 可能更容易，只要它足够精确以匹配您的数据，正则表达式模式会更好期待

标签： python regex string pandas

【解决方案1】：

这应该删除所有 ',15' 值：

dataframe['string column'] = dataframe['string column'].apply(lambda value:[value].split(',')[0] if [value].split(',')[0] == '15' else value)

如果它们是您提供的格式，这应该删除所有 ',15' 值：

dataframe['string column'] = dataframe['string column'].apply(lambda value:[value].split(',')[0] if ([value].split(',')[0] == '15') & ('P-A1-' in value) else value)

【讨论】：