如何从熊猫输出的列中删除某些字符串集

Question

我正在尝试从数据帧列中删除某些字符串，只是想知道如何以更好的方式实现这一目标，一种方式是使用多个replace，但我想避免这种情况。 / p>

Raw_Data

ctflex08 | SUCCESS | rc=0 | (stdout) server ntp-tichmond minpoll 4 maxpoll 10\nserver ntp-tichmond-b minpoll 4 maxpoll 10\nserver 127.127.1.0
ctfclx806 | SUCCESS | rc=0 | (stdout) server ntp-mary.example.com
ctfclx802 | SUCCESS | rc=0 | (stdout) server ntp-mary.example.com
ti-goyala | SUCCESS | rc=0 | (stdout) server ntp-tichmond minpoll 4 maxpoll 10\nserver ntp-tichmond-b minpoll 4 maxpoll 10

数据帧结构：

import pandas as pd
matchObj = ['(stdout)', 'server', 'minpoll', 'maxpoll' ]

df = pd.read_csv('ntp_server.txt', sep="|" , names=['Linux_Hosts', 'Host_Dist_version'])

df['Host_Dist_version'] =  df['Host_Dist_version'].replace("server", '',regex=True).replace("minpoll", '',regex=True)
print(df)

当前输出：

                      Linux_Hosts                                  Host_Dist_version
ctflex08      SUCCESS        rc=0    (stdout)  ntp-tichmond  4 maxpoll 10\n ntp-ti...
ctfclx806     SUCCESS        rc=0                      (stdout)  ntp-mary.example.com
ctfclx802     SUCCESS        rc=0                      (stdout)  ntp-mary.example.com
ti-goyala     SUCCESS        rc=0    (stdout)  ntp-tichmond  4 maxpoll 10\n ntp-ti...

预期输出：

Linux_Hosts               Host_Dist_version
ctflex08                  ntp-tichmond  ntp-tichmond-b
ctfclx806                 ntp-mary.example.com
ctfclx802                 ntp-mary.example.com
ti-goyala                 ntp-tichmond ntp-tichmond-b

有没有一种有效的方法来只选择所需的字符串并其余部分删除或掩盖它们，例如['ntp-mary', 'ntp-tichmond', 'ntp-tichmond-b']仅查看这些列表值并仅将其选中并保留其余部分。

在替换一些特殊字符和字符串时，它不起作用。

SUCCESSS被视为关键字，\n也未被删除。

Answer 1

查看更新的代码：

import pandas as pd
df = pd.read_csv('ntp_server.txt', sep="|" , names=['Linux_Hosts','Status','RC','Host_Dist_version'])
pattern = r'(ntp+[^\s]+)'
df['Host_Dist_version'] = df['Host_Dist_version'].str.findall(pattern).str.join(' ')
df = df.drop(['Status','RC'], axis =1)
print(df)

结果输出：

  Linux_Hosts            Host_Dist_version
0   ctflex08   ntp-tichmond ntp-tichmond-b
1  ctfclx806          ntp-mary.example.com
2  ctfclx802          ntp-mary.example.com
3  ti-goyala   ntp-tichmond ntp-tichmond-b

说明：pattern是正则表达式，它匹配包含单词'ntp'的子字符串，并捕获所有内容，直到下一个空格为止（我认为这是必需的），如果您不想在{{之后捕获任何内容1}}，然后使用.正则表达式。

我还创建了具有4列的DataFrame，因为分隔符(ntp+[^\s.]+)建议文本文件中有4列，如果不需要它们，可以稍后删除'Status'和'RC'，希望这会有所帮助。 / p>