删除python pandas列中的特定字符串

Question

我有一个带有列性别的数据框。它由性别预测组成。现在，“性别”列具有诸如mostly_male，mostly_female的值。我想删除大部分。所以我尝试了df['gender'] = df['gender'].map(lambda x: x.lstrip('mostly_'))

但是我得到了一个列，其中“ male”的值对应于“ ale”

Answer 1

您应该使用replace：

 df['gender'] = df['gender'].str.replace('mostly_', '')

这会将“ mostly_”的所有完全匹配项替换为空白的“”。如果在传递的字符串中找到前导字符，您的示例将从行中删除前导字符。因此lstrip找到了“ m”，并删除了“ mostly_”，但是由于“ male”中存在一个“ m”，因此也会将其删除。

Answer 2

pandas.DataFrame.replace

您可以将字典传递给此方法，以指定要使用的列

df.replace({'gender': {'mostly_': ''}}, regex=True)

---

pandas.Series.str.replace

优点是您无需指定regex=True

df.gender.str.replace('mostly_', '')

---

pandas.Series.str

投票“最可能”打破。但是，如果您知道所有条目都以"mostly_"开头，那么为什么

df.gender.str[7:]

---

pandas.Series.map

我不喜欢其他选项，因为它们都涉及字符串操作。您可以使用字典映射更加明确，并保持恒定时间查找

df.gender.map({'mostly_male': 'male', 'mostly_female': 'female'})

---

计时

设置

df = pd.DataFrame(dict(gender=[f"mostly_{g}" for g in ['male', 'female'] * 10000]))

测试

%timeit df.replace({'gender': {'mostly_': ''}}, regex=True)
%timeit df.gender.str.replace('mostly_', '')
%timeit df.gender.str[7:]
%timeit df.gender.map({'mostly_male': 'male', 'mostly_female': 'female'})

100 loops, best of 3: 12.8 ms per loop
100 loops, best of 3: 16.1 ms per loop
100 loops, best of 3: 5.42 ms per loop
1000 loops, best of 3: 1.8 ms per loop

Answer 3

您可以使用replace删除不需要的字符串。 lstrip将删除所有符合条件的字符。有关详细信息，lstrip docs 也可以使用正则表达式库替换子字符串

import re
df['gender'].map(lambda x: re.sub('^mostly_','',x))