检查数据帧中的结束字符并替换它们

Question

我想根据以下条件在我的 Pandas 数据框中添加两个新列

• 如果句子以“...”结尾，则添加一个值为 1 的新列，否则为 0；
• 如果句子以“...”结尾，则在末尾添加一个不带“...”的新列

像这样的东西：

Text
bla bla bla ...
once upon a time
pretty little liars
Batman ...

预期的

    Text                T    Clean
    bla bla bla ...     1    bla bla bla 
    once upon a time    0    once upon a time 
    pretty little liars 0    pretty little liars
    Batman ...          1    Batman

我尝试应用正则表达式，但 str.endwith 可能是检查句子是否以 ... 结尾的更好方法，因为分配了一个布尔值（我的 T 列）。

我试过如下： df['Text'].str.endswith('...')但我需要用 1 和 0 创建一个新列。为了清理文本，我会检查T是否为真：如果是的，我会在最后删除...

df['Clean'] = df['Text'].str.rstrip('...') 

或df['Clean'] = df['Text'].str[:-3] （但它不包括任何逻辑条件或有关...信息）

或df['Clean'] = df['Text'].str.replace(r'...$', '')

重要的是我考虑以...结尾的句子，以避免删除...在句子中间具有不同含义。

Answer 1

对于第一列，我将使用您建议的方法：

df['T'] = df['Text'].str.endswith('...')

（从技术上讲，这将创建一个布尔列，而不是整数列。如果您关心这一点，可以使用astype()进行转换。）

对于第二列，我将无条件替换：

df['Clean'] = df['Text'].str.replace(r'...$', '')

如果它不是以 ... 结尾，它就不会做任何事情。

Answer 2

如果您只想用该属性替换那些文本行上的“结尾”省略号：

df.loc[df['Text'].str.endswith('...') == True, 'ends_in_ellipsis'] = 1

df.loc[df['ends_in_ellipsis'] == 1, 'Text_2'] = df.loc[df['ends_in_ellipsis'] == 1, 'Text'].str.rstrip('...') 

现在，如果您想在一行中完成所有操作（虽然对其他人来说可读性较差，但您保存了一个虚拟列及其占用的内存）：

df.loc[df['Text'].str.endswith('...') == True, 'Text_2'] = df.loc[df['Text'].str.endswith('...') == True, 'Text'].str.rstrip('...') 

Answer 3

让我们试试endswith + rstrip

df['new1']=df.Text.str.endswith('...').astype(int)
df['new2']=df.Text.str.rstrip(' ...') # notice rstrip will not remove any ... in the mid 
df
                  Text  new1                 new2
0      bla bla bla ...     1          bla bla bla
1     once upon a time     0     once upon a time
2  pretty little liars     0  pretty little liars
3           Batman ...     1               Batman