Question

如何对dataframe列进行大量修改，避免使用样板代码。

可重复的例子：

data = {'Subject Id': ['1', '2', '3'],
        'First-Name': ['Alex', 'Amy', 'Allen'], 
        'Last, name': ['Anderson', 'Ackerman', 'Ali']}

df = pd.DataFrame(data, columns = ['Subject Id', 'First-Name', 'Last, name'])

df

    Subject Id  First-Name  Last, name
0   1           Alex        Anderson
1   2           Amy         Ackerman
2   3           Allen       Ali

要清理列名，我通常会这样做：

df.columns = [l.lower() for l in df.columns]
df.columns = [s.replace('-', ' ') for s in df.columns]
df.columns = [d.replace(',', ' ') for d in df.columns]

但有时候我需要进行3次以上的修改。有没有办法将这些操作联系在一起，或者更有效地做到这一点？

Answer 1

您可以调用向量化.str方法并在列上对这些调用进行链接，在这里我们使用str.lower和str.replace：

In [91]:
df.columns = df.columns.str.lower().str.replace('-|,', ' ')
df

Out[91]:
  subject id first name last  name
0          1       Alex   Anderson
1          2        Amy   Ackerman
2          3      Allen        Ali

另请注意，没有什么能阻止你将所有内容组合在一个列表中：

In [93]:
df.columns = [l.lower().replace('-', ' ').replace(',',' ') for l in df.columns]
df

Out[93]:
  subject id first name last  name
0          1       Alex   Anderson
1          2        Amy   Ackerman
2          3      Allen        Ali

列表理解可能会在如此少量的列上更快：

<强>定时

In [96]:
%timeit [l.lower().replace('-', ' ').replace(',',' ') for l in df.columns]
%timeit df.columns.str.lower().str.replace('-|,', ' ')

100000 loops, best of 3: 5.26 µs per loop
1000 loops, best of 3: 284 µs per loop

Answer 2

df.columns = [l.lower().replace('-', ' ').replace(',', ' ') for l in df.columns]

Pandas：有效地对列名进行大量修改

2 个答案: