Question

我正在尝试整理一个csv，但现在栏目对开发人员并不友好。我想使用正则表达式在列名中查找多个模式以替换多个条件。例如，给定df1，标题中带有leading/trailed spaces，white space，括号()和<，那么我想删除leading/trailing spaces和{{1 }}，将parenthesis替换为white space，并将_替换为<

例如，将df1转换为df2：

LESS_THAN

我当前的实现方式是仅链接一堆str.replaces。有一个更好的方法吗？我当时认为正则表达式可能特别有用，因为有数百个列，而且我敢肯定，还有更多麻烦要解决。

df1 = pd.DataFrame({' APPLES AND LEMONS': [1,2], ' ORANGES ([POUNDS]) ': [2,1], ' BANANAS < 5 ': [8,9]})

APPLES AND LEMONS   ORANGES (POUNDS)    BANANAS < 5

0                   1                     2              8
1                   2                     1              9

df2 = pd.DataFrame({'APPLES_AND_LEMONS': [1,2], 'ORANGES_POUNDS': [2,1], 'BANANAS_LESS_THAN_5 ': [8,9]})

   APPLES_AND_LEMONS  ORANGES_POUNDS  BANANAS_LESS_THAN_5
0                  1               2                     8
1                  2               1                     9

Answer 1

多亏了Alollz给我的链接，我得到了比连续链接str.replace

更容易维护的解决方案。

def clean_column_names(df):

    df.columns = df.columns.str.strip()
    replace_dict = {' ': '_', '<': 'LESS_THAN', '(': '', ')':''}
    for i, j in replace_dict.items():
        new_columns = [column.replace(i, j) for column in df.columns]
        df.columns = new_columns

    return df

clean_column_names(df1)

   APPLES_AND_LEMONS  ORANGES_POUNDS  BANANAS_LESS_THAN_5
0                  1                 2                    8
1                  2                 1                    9

Answer 2

不确定这是否对您更好。

old_cols = list(df1.columns.values)

remove = re.compile(r'^\s+|\s+$|[\(\)\[\]]')
wspace = re.compile(r'\s+')
less = re.compile(r'<')
great = re.compile(r'>')

new_cols = []

for i in old_cols:
    i = re.sub(remove, "", i)
    i = re.sub(wspace, "_", i)
    i = re.sub(less, "LESS_THAN", i)
    i = re.sub(less, "GREATER_THAN", i)
    new_cols.append(i)

df1.columns = new_cols

使用正则表达式重命名多个熊猫列

2 个答案: