如何替换pandas数据框中的相似值？

Question

我是熊猫的新手。 我的数据集中有以下数据类型。 （该数据集是从Kaggle下载的Indian Startup Funding。）

Date                datetime64[ns]
StartupName                 object
IndustryVertical            object
CityLocation                object
InvestorsName               object
InvestmentType              object
AmountInUSD                 object
dtype: object

data['AmountInUSD'].groupby(data['CityLocation']).describe()

我做了上述操作，发现很多城市都是相似的，例如，

Bangalore   
Bangalore / Palo Alto
Bangalore / SFO
Bangalore / San Mateo
Bangalore / USA
Bangalore/ Bangkok

我想做以下操作，但我不知道这个代码。

在CityLocation列中，找到以“Bang”开头的所有单元格，并将它们全部替换为“Bangalore”。 帮助将不胜感激。

我这样做了

data[data.CityLocation.str.startswith('Bang')] 

在此之后我不知道该怎么办

Answer 1

您可以使用loc函数查找列中其子字符串匹配的值，并使用您选择的值替换它们。

import pandas as pd

df = pd.DataFrame({'CityLocation': ['Bangalore', 'Dangerlore', 'Bangalore/USA'], 'Values': [1, 2, 3]})
print(df)
#     CityLocation  Values
# 0      Bangalore       1
# 1     Dangerlore       2
# 2  Bangalore/USA       3


df.loc[df.CityLocation.str.startswith('Bang'), 'CityLocation'] = 'Bangalore'
print(df)
#   CityLocation  Values
# 0    Bangalore       1
# 1   Dangerlore       2
# 2    Bangalore       3

Answer 2

pandas 0.23有一个很好的方法来处理文本。 请参阅使用文本数据的文档。 您可以使用正则表达式来捕获和替换文本。

import pandas as pd
df = pd.DataFrame({'CityLocation': ["Bangalore / Palo Alto", "Bangalore / SFO", "Other"]})

df['CityLocation'] = df['CityLocation'].str.replace("^Bang.*", "Bangalore")

print(df)

会屈服

  CityLocation
0    Bangalore
1    Bangalore
2        Other