如何有条件地修改数据框列中的字符串值-Python / Pandas

Question

我有一个数据框，其中的一栏（实体）包含国家和非国家实体的各种名称。 我需要清理列，因为字符串值（由手动数据输入提供）都是小写的（china而不是China）。 我不能只对列执行.title（）操作，因为有些字符串值我什么都不做（例如，al Something不应变成AL Something）。

我在创建一个函数来解决此问题时遇到了麻烦，可以使用社区中的一些指导。 过去，我曾使用词典来帮助将不正确的字符串映射/替换为正确的字符串，但我仍然可以恢复这种处理方式，但是我认为创建此函数可能更直接，更有效，而且我想挑战自己。 但是当我执行函数时，实体列没有发生任何变化。 提前致谢！

myString = ['al Group1', 'al Group2']

entities = df['entity']
def title_fix(entities):
    new_titles = []
    for entity in entities:
        if entity in myString:
            new_titles.append(myString)
        else:
           new_title.append(entity.title())
        return new_title

title_fix(df)

Answer 1

该entities在线路entities = df['entity']是不一样的变量作为entities的线def title_fix(entities): 第二个entities变量是函数title_fix的参数，并且仅存在于函数中。 它接受您传递给title_fix的调用中传递的任何参数，即df 。

试试这个代替你的功能：

# A list of entity names to leave alone (must exactly match character-for-character)
myString = ['al Group1', 'al Group2']
# Apply title case to every entity NOT in myString
df['entity'] = df['entity'].apply(lambda x: x if x in myString else x.title())
# Print the modified DataFrame
df

请注意，此解决方案要求myString中的每个字符串与df['entity']中的目标字符串完全匹配，否则将不替换目标字符串。

Answer 2

您的代码有几个错误，例如拼写和缩进。 固定代码：

myString = ['al Group1', 'al Group2']
entities = df['entity']

def title_fix(entities):
    new_titles = []
    for entity in entities:
        if entity in myString:
            new_titles.append(entity)
        else:
            new_titles.append(entity.title())
    return new_titles

df['entity'] = title_fix(entities)

但是，您想要实现的目标可以一站式完成。 我想出了3种解决方案。 我不太了解熊猫，我也不知道这些解决方案之间的性能差异，但是在这里。

ignored比myString更有意义，因此我将使用它。

ignored = ['al Group1', 'al Group2']

第一个解决方案：

df['entity'] = df['entity'].apply(lambda x: x.title() if x not in ignored else x)

第二：

df.entity[~df.entity.isin(ignored)] = df.entity.str.title()

第三：

df.loc[~df.entity.isin(ignored), 'entity'] = df.entity.str.title()