Question

我有一个数据框，其中一列（＆＃39;实体）包含国家和非国家实体的各种名称。我需要清理列，因为字符串值（由手动数据输入提供）都是小写的（中国而不是中国）。我不能只对列执行.title（）操作，因为有些字符串值我不想做任何事情（例如，不应该把某些东西变成AL Something）。

我无法创建一个功能来帮助我解决这个问题，并且可以使用社区的一些指导。在过去，我使用字典帮助使用正确的字符串来帮助映射/替换不正确的字符串，我仍然可以恢复到这种方式，但我认为创建此函数可能更直接，更有效，而且我想挑战自己。但是当我执行函数时，实体列没有发生任何变化。提前谢谢！

implementation fileTree(include: ['*.jar', '*.aar'], exclude: 'test_aar*', dir: 'libs')
debugImplementation files('libs/test_aar-debug.aar')
releaseImplementation files('libs/test_aar-release.aar')

Answer 1

行entities中的entities = df['entity'] 与行entities中的def title_fix(entities):不是同一个变量。第二个entities变量是函数title_fix的参数，它只存在于函数中。它会将您传递给title_fix的{{1}}调用的任何参数转换为df。

尝试使用此功能代替您的功能：

# A list of entity names to leave alone (must exactly match character-for-character)
myString = ['al Group1', 'al Group2']
# Apply title case to every entity NOT in myString
df['entity'] = df['entity'].apply(lambda x: x if x in myString else x.title())
# Print the modified DataFrame
df

请注意，此解决方案要求myString 中的每个字符串与df['entity']中的目标字符串匹配，否则目标字符串将不会被替换。

Answer 2

您的代码有多个错误，例如拼写和缩进。固定代码：

myString = ['al Group1', 'al Group2']
entities = df['entity']

def title_fix(entities):
    new_titles = []
    for entity in entities:
        if entity in myString:
            new_titles.append(entity)
        else:
            new_titles.append(entity.title())
    return new_titles

df['entity'] = title_fix(entities)

然而，您想要实现的目标可以在单行中完成。我想出了3个解决方案。我不太了解大熊猫，我不知道这些解决方案之间的性能差异，但在这里它们是。

ignored比myString更有意义，所以我会使用它。

ignored = ['al Group1', 'al Group2']

第一个解决方案：

df['entity'] = df['entity'].apply(lambda x: x.title() if x not in ignored else x)

第二

df.entity[~df.entity.isin(ignored)] = df.entity.str.title()

第三

df.loc[~df.entity.isin(ignored), 'entity'] = df.entity.str.title()

如何有条件地修改dataframe列中的字符串值 - Python / Pandas

2 个答案: