如何删除每列中的重复字符？

Question

我使用了新的数据框 df_all

         classA classB    year1 count1    docID1          year2   count2           doc2            
        0   A8   B1        1972    1       0               1973      3      U015|U348|U768     
        1   A8   B2        1972    2    U157|U596          1973      0             0            
        2   A8   B3        1972    0       0               1973      1      U124                

我将docID1和docID2合并到了新列中，

df_all['all_doc']=df_all['docID1'].astype(str)+'|'+df_all['docID2'].astype(str)

     classA classB    year1 count1    docID1          year2   count2           doc2            all_doc
    0   A8   B1        1972    1       0               1973      3      U015|U348|U768      ||U015|U348|U768
    1   A8   B2        1972    2    U157|U596          1973      0             0            U157|U596|0
    2   A8   B3        1972    0       0               1973      1      U124                ||U124

在'all_doc'列中有重复的“ |”在每一行中。我想知道如何删除重复的“ |”每行

我希望看到这样的结果

|U015|U348|U768
|U124

先谢谢您

Answer 1

给予

>>> df = pd.DataFrame([['foo', '||U015|U348|U768'], ['bar', 'U157|U596|0'], ['baz', '||U124']], columns=['fiz', 'all_doc'])
>>> df
   fiz           all_doc
0  foo  ||U015|U348|U768
1  bar       U157|U596|0
2  baz            ||U124

您可以发布

>>> df['all_doc'] = df['all_doc'].str.replace('\|+', '|')
>>> df
   fiz          all_doc
0  foo  |U015|U348|U768
1  bar      U157|U596|0
2  baz            |U124

正则表达式\|+指定|个字符的序列。这些序列中的每一个都由单个|代替。

Answer 2

filter + replace + sum

您可以按标签过滤适当的列，用空字符串替换0，然后求和：

df = pd.DataFrame({'docID1': [0, 'U157|U596', 0],
                   'doc2': ['U015|U348|U768', 0, 'U124']})

df['all_doc'] = '|' + df.filter(regex='^doc').replace(0, '').sum(1)

print(df)

      docID1            doc2          all_doc
0          0  U015|U348|U768  |U015|U348|U768
1  U157|U596               0       |U157|U596
2          0            U124            |U124