修改pandas数据框列的字符串值

Question

在数据框中

df = pd.DataFrame({'c1': ['c10:b', 'c11', 'c12:k'], 'c2': ['c20', 'c21', 'c22']})

     c1    c2
0   c10:b  c20
1   c11    c21
2   c12:k  c22

我想修改列c1的字符串值，以便删除冒号（包括冒号）之后的所有内容，因此最终如下所示：

     c1    c2
0   c10    c20
1   c11    c21
2   c12    c22

我试过切片

df[’c1’].str[:df[’c1’].str.find(’:’)]

但这不起作用。 我该如何完成？

Answer 1

使用regex=True replace ：

df.replace(r'\:.*', '', regex=True)

    c1   c2
0  c10  c20
1  c11  c21
2  c12  c22

要仅在单列中替换此模式，请使用str访问器：

df.c1.str.replace(r'\:.*', '')

如果要考虑性能，请使用列表推导和partition而不是pandas字符串方法：

[i.partition(':')[0] for i in df.c1]
# ['c10', 'c11', 'c12']

计时

df = pd.concat([df]*10000)

%timeit df.replace(r'\:.*', '', regex=True)
30.8 ms ± 340 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df.c1.str.replace(r'\:.*', '')
31.2 ms ± 449 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit df['c1'].str.partition(':')[0]
56.7 ms ± 269 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit [i.partition(':')[0] for i in df.c1]
4.2 ms ± 22.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)