如何在数据帧的每一行上替换字符串的特定部分？

Question

我有一个带文件名列的df。 文件名本身仅包含我需要的一条信息，即ID。

df:

filename
/path/to/file/in/folder 76317 1a2334bc-5d6e-7f89-123e-0f12fgf123.txt

我只需要文件夹之后和哈希之前的部分。 因此，在本例中为76317。文件夹中的所有文件都具有文件夹路径，空间，我需要的ID和具有其余文件名的空间。

如何从文件名列中删除除此特定列的所有行上需要的ID以外的所有内容？

Answer 1

将str.extract与正则表达式一起使用，该正则表达式查找由2个空格包围的所有内容：

>>> df
                                            filename
0  /path/to/file/in/folder 76317 1a2334bc-5d6e-7f...
1  /path/to/file/in/folder 76318 1a2334bc-5d6e-7f...

df['filename'] = df.filename.str.extract('\s(.*)\s', expand=False)

>>> df
  filename
0    76317
1    76318

Answer 2

我不确定您的确切实现方式，但是您尝试使用str.split()吗？

id = filename.split()[1]

用您说过的每个文件中的空格分隔文件名的每个部分，然后获取中间项，即split()返回的节列表中的索引1。

Answer 3

尝试这个：

for fileName in column:
    ID = fileName.split(' ')[1]

但是，您应该在将字符串放入数据框之前尝试这种方法，因此您不必对其进行两次迭代。

Answer 4

由于您知道确切的格式，因此可以将split与panda的apply一起使用 ：

df['filename'] = df['filename'].apply(lambda x: x.split(' ')[1])