web-dev-qa-db-fra.com

Bande / coupe toutes les chaînes d'un cadre de données

En nettoyant les valeurs d’un bloc de données multitype en python/pandas, je veux couper les chaînes. Je le fais actuellement en deux instructions:

import pandas as pd

df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])

df.replace('^\s+', '', regex=True, inplace=True) #front
df.replace('\s+$', '', regex=True, inplace=True) #end

df.values

C'est assez lent, que pourrais-je améliorer?

pythonregexpandasdataframetrim
46
bold

Vous pouvez utiliser DataFrame.select_dtypes pour sélectionner string colonnes, puis apply function str.strip .

Remarque: Les valeurs ne peuvent pas être types comme dicts ou lists, car leur dtypes est object. 

_df_obj = df.select_dtypes(['object'])
print (df_obj)
0    a  
1    c  

df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
print (df)

   0   1
0  a  10
1  c   5
_

Mais s'il n'y a que quelques colonnes, utilisez str.strip :

_df[0] = df[0].str.strip()
_
103
jezrael

Money Shot

Voici une version compacte de l'utilisation de applymap avec une expression lambda simple pour appeler strip uniquement lorsque la valeur est d'un type chaîne:

df.applymap(lambda x: x.strip() if isinstance(x, str) else x)

Exemple complet

Un exemple plus complet:

import pandas as pd


def trim_all_columns(df):
    """
    Trim whitespace from ends of each value across all series in dataframe
    """
    trim_strings = lambda x: x.strip() if isinstance(x, str) else x
    return df.applymap(trim_strings)


# simple example of trimming whitespace from data elements
df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
df = trim_all_columns(df)
print(df)


>>>
   0   1
0  a  10
1  c   5

Exemple de travail

Voici un exemple de travail hébergé par un bijou: https://trinket.io/python3/e6ab7fb4ab

36
Jonathan B.

Si vous voulez vraiment utiliser regex, alors

>>> df.replace('(^\s+|\s+$)', '', regex=True, inplace=True)
>>> df
   0   1
0  a  10
1  c   5

Mais il devrait être plus rapide de le faire comme ceci:

>>> df[0] = df[0].str.strip()
8
Roman Pekar

Tu peux essayer:

df[0] = df[0].str.strip()

ou plus spécifiquement pour toutes les colonnes de chaîne

non_numeric_columns = list(set(df.columns)-set(df._get_numeric_data().columns))
df[non_numeric_columns] = df[non_numeric_columns].apply(lambda x : str(x).strip())
7
Aakash Makwana

Vous pouvez utiliser la fonction apply de l'objet Series:

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df[0][0]
'  a  '
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
'a'

Notez l’utilisation de strip et non de regex qui est beaucoup plus rapide

Une autre option - utilisez la fonction apply de l'objet DataFrame:

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df.apply(lambda x: x.apply(lambda y: y.strip() if type(y) == type('') else y), axis=0)

   0   1
0  a  10
1  c   5
2
Dekel
def trim(x):
    if x.dtype == object:
        x = x.str.split(' ').str[0]
    return(x)

df = df.apply(trim)
0
hyunwoo jeong