Question

我有一个通过调查构成的数据框（df1），参与者在其中输入了他们的性别作为字符串，因此其中的性别列如下所示：

id       gender       age
1        Male         19
2        F            22
3        male         20
4        Woman        32
5        female       26
6         Male        22
7        make         24

等

我一直在使用

df1.replace('male', 'Male')

例如，但这确实很笨拙，并且涉及知道每个响应的确切格式以对其进行修复。

我一直在尝试在Pandas中使用各种字符串理解和字符串操作，例如.split（），.replace（）和.capitalize（），并使用np.where（）尝试获取：

id       gender       age
1        Male         19
2        Female       22
3        Male         20
4        Female       32
5        Female       26
6        Male         22
7        Male         24

我确定必须有一种使用正则表达式来执行此操作的方法，但是我似乎无法正确获取代码。

我知道这可能是一个多步骤的过程，即删除“”，然后将条目大写，然后替换大写的值。

任何指导都将受到pythonista的赞赏！

Kev

Answer 1

调整我注释中的代码，以将以f开头的所有记录替换为Female：

df1["gender"] = df1.gender.apply(lambda s: re.sub(
                                    "(^F)([A-Za-z]+)*",  # pattern
                                    "Female",            # replace
                                    s.strip().title())   # string
                                )

与F相似，在模式中为M，并用Male替代Male。

使用str理解功能清理熊猫数据框中的一列字符串

1 个答案: