Question

假设我有以下数据框

import pandas as pd

data = [['Mallika', 23, 'Student'], ['Yash', 25, 'Tutor'], ['Abc', 14, 'Clerk']]

data_frame = pd.DataFrame(data, columns=['Student.first.name.word', 'Student.Current.Age.word', 'Student.Current.Profession.word'])

  Student.first.name.word  Student.Current.Age.word Student.Current.Profession.word
0           Mallika                23                 Student
1              Yash                25                   Tutor
2               Abc                14                   Clerk

如何分出常见的列标题词“Student”和“word”

以便您获得以下数据框：

      first.name  Current.Age Current.Profession
0  Mallika   23    Student
1     Yash   25      Tutor
2      Abc   14      Clerk

Answer 1

您可以从带有 regex 的列中删除这些单词和 . 并将其重新分配：

data_frame.columns = data_frame.columns.str.replace(r"(Student|word|\.)", "")

得到

>>> data_frame

      name  Age Profession
0  Mallika   23    Student
1     Yash   25      Tutor
2      Abc   14      Clerk

更新后

您可以split - slice - join：

data_frame.columns = data_frame.columns.str.split(r"\.").str[1:-1].str.join(".")

即拆分文字点，取出第一个和最后一个元素，最后用一个点将它们连接起来

得到

  first.name  Current.Age Current.Profession
0    Mallika           23            Student
1       Yash           25              Tutor
2        Abc           14              Clerk

Answer 2

这是我的 answer 的扩展，用于删除常见前缀。这种方法的好处是它以通用的方式查找前缀和后缀，因此无需硬编码任何模式。

cols = data_frame.columns

common_prefix = os.path.commonprefix(cols.tolist())
common_suffix = os.path.commonprefix([col[::-1] for col in cols])[::-1]

data_frame.columns = cols.str.replace(f"{common_prefix}|{common_suffix}", "", regex=True)

      name  Age Profession
0  Mallika   23    Student
1     Yash   25      Tutor
2      Abc   14      Clerk

更新，相同的解决方案适用于更新的问题：

  first.name  Current.Age Current.Profession
0    Mallika           23            Student
1       Yash           25              Tutor
2        Abc           14              Clerk

Answer 3

删除所有单词，而不仅仅是您可以尝试的硬编码的单词

df = data_frame
from functools import reduce
common_words = [i.split(".") for i in df.columns.tolist()]
common_words =reduce(lambda x,y : set(x).intersection(y) ,common_words)
pat = r'\b(?:{})\b'.format('|'.join(common_words))

df.columns = df.columns.str.replace(pat, "").str[1:-1]

输出：

print(df)


    first.name  Current.Age Current.Profession
0   Mallika     23          Student
1   Yash        25          Tutor
2   Abc         14          Clerk

从熊猫数据框中的标题中删除常用词

3 个答案: