python - 逐行修改 pandas DataFrame 中的字符串
问题描述
我在 Python3 的 pandas DataFrame 中有以下字符串,列string1
和string2
:
import pandas as pd
datainput = [
{ 'string1': 'TTTABCDABCDTTTTT', 'string2': 'ABABABABABABABAA' },
{ 'string1': 'AAAAAAAA', 'string2': 'TTAAAATT' },
{ 'string1': 'TTABCDTTTTT', 'string2': 'ABABABABABA' }
]
df = pd.DataFrame(datainput)
df
string1 string2
0 TTTABCDABCDTTTTT ABABABABABABABAA
1 AAAAAAAA TTAAAATT
2 TTABCDTTTTT ABABABABABA
对于每一行,列中的字符串string1
和string2
被定义为相同的长度。
对于 DataFrame 的每一行,可能需要“清除”字符串的开头/结尾字母“T”。但是,对于每一行,字符串都需要去除相同数量的字符,以便字符串保持相同的长度。
正确的输出如下:
df
string1 string2
0 ABCDABCD BABABABA
1 AAAA AAAA
2 ABCD ABAB
如果这是两个变量,那么用 来计算会很简单strip()
,例如
string1 = "TTTABCDABCDTTTTT"
string2 = "ABABABABABABABAA"
length_original = len(string1)
num_left_chars = len(string1) - len(string1.lstrip('T'))
num_right_chars = len(string1.rstrip('T'))
edited = string1[num_left_chars:num_right_chars]
## print(edited)
## 'ABCDABCD'
但是,在这种情况下,需要遍历所有行并一次重新定义两行。如何逐行修改这些字符串?
编辑:我的主要困惑是,鉴于两列都可以T
,我该如何重新定义它们?
解决方案
raw_data = {'name': ['Will Morris', 'Alferd Hitcock', 'Sir William', 'Daniel Thomas'],
'age': [11, 49, 66, 77],
'color': ['TblueT', 'redT', 'white', "cyan"],
'marks': [74, 90, 44, 17]}
df = pd.DataFrame(raw_data, columns = ['name', 'age', 'color', 'grade'])
print(df)
cols = ['name','color']
print("new df")
#following line does the magic
df[cols] = df[cols].apply(lambda row: row.str.lstrip('T').str.rstrip('T'), axis=1)
print(df)
将打印
name age color grade
0 TWillard MorrisT 20 TblueT 88
1 Al Jennings 19 redT 92
2 Omar Mullins 22 yellow 95
3 Spencer McDaniel 21 green 70
new df
name age color grade
0 Willard Morris 20 blue 88
1 Al Jennings 19 red 92
2 Omar Mullins 22 yellow 95
3 Spencer McDaniel 21 green 70
推荐阅读
- angular - 有没有办法强制 HttpClient 为请求打开一个新的 TCP 连接?
- azure - Logstash:解析 Azure 事件中心日志
- sql - SQL中如何移动小数位
- javascript - Strapi Beta (3.0) 的自定义控制器代码
- docker - 本地和 json 日志记录驱动程序有什么区别?
- c++ - 简单的计算器代码给出极数
- ios - 使用 MVVM swift 对 View DidLoad 进行 Api 调用
- c++ - 从同一个基类派生的两个派生类有不同的结果?
- mysql - 如何优化mysql上的顺序插入
- vue.js - 从动态组件列表中的父组件读取道具