从 dataframe 的所有单元格值中删除前缀

Question

我有一个 pandas 数据框，如下所示：

 col1                       col2                       col3                ...
 field1:index1:value1     field2:index2:value2       field3:index3:value3  ...
 field1:index4:value4     field2:index5:value5       field3:index5:value6  ...

字段为 int 类型，index 为 int 类型，value 可以是 int 或 float 类型。

我想将此数据帧转换为以下预期的 output：

 col1              col2                       col3    ...
 index1:value1     index2:value2       index3:value3  ...
 index4:value4     index5:value5       index5:value6  ...

我想删除所有field:所有单元格中的值。 这个怎么做？

编辑：一个单元格的示例如下所示： 1:1:1.0445731675303e-06我想在所有单元格中将这些字符串减少到1:1.0445731675303e-06 。

Answer 1

给定

>>> df
                   col1                  col2                  col3
0       1:index1:value1       2:index2:value2       3:index3:value3
1       1:index4:value4       2:index5:value5       3:index5:value6

您可以使用

>>> df.apply(lambda s: s.str.replace('^\d+:', ''))
            col1           col2           col3
0  index1:value1  index2:value2  index3:value3
1  index4:value4  index5:value5  index5:value6

正则表达式'^\d+:'匹配以数字序列后跟冒号开头的字符串的开头。

Answer 2

尝试这个：

df = df.applymap(lambda x: ':'.join(str(x).split(':')[1:]))
print(df)

            col1           col2           col3
0  index1:value1  index2:value2  index3:value3
1  index4:value4  index5:value5  index5:value6

Answer 3

可能的其他方法是在第一个冒号后基本上按短语拆分并使用.str[index]提取

df.apply(lambda s: s.str.split('(^[a-z0-9]+\:(.*))').str[-2])

Answer 4

另一种可能的解决方案是在列表理解中运行字符串处理，并使用旧数据框的列名创建一个新的 dataframe：

result = [[":".join(word.split(":")[1:])
          for word in ent]
          for ent in df.to_numpy()]

pd.DataFrame(result, columns = df.columns)

        col1             col2           col3
0   index1:value1   index2:value2   index3:value3
1   index4:value4   index5:value5   index5:value6

这比运行applymap或apply ... 在 python 中的字符串处理通常比 Pandas 快得多。