[英]Pandas: Using a pd.Series to sort a pd.DataFrame with index
[英]Using .find() on a pd.dataframe series
我有以下df:
data = {'Org': ['<a href="/00xO" target="_blank">Chocolate</a>'],
'Owner': ['Charlie']
}
df = pd.DataFrame(data)
print (df)
当我在下面应用兰巴 function 而不是给我“巧克力”时,它返回 0。
df['Correct Org']=df['Org'].apply(lambda st: st[st.find(">"):st.find("<")])
我尝试按如下方式添加“str”:
df['Correct Org']=df['Org'].str.apply(lambda st: st[st.find(">")+1:st.find("<")])
& 得到以下错误:
AttributeError: 'StringMethods' object has no attribute 'apply'
你得到 None 返回,因为df['Org'][0].find(">")
返回 31 但df['Org'][0].find("<")
返回 0。所以不清楚是什么st[st.find(">"):st.find("<")
表示。 您可以使用bs4.BeautifulSoup
创建汤 object 并直接获取a
中的文本:
from bs4 import BeautifulSoup
df['Org'] = df['Org'].apply(lambda x: BeautifulSoup(x).text)
Output:
Org Owner
0 Chocolate Charlie
使用BeautifulSoup
解析 html 标签:
from bs4 import BeautifulSoup
df['Correct Org']=df['Org'].apply(lambda st: ','.join(BeautifulSoup(st, features="lxml").findAll(text=True)))
如果您不想使用 BeautifulSoup ,我为您编写了一个简单的 function 。
def getOrg(link):
link = str(link)
link = link[link.find('>'):link.find("</")]
return link.replace(link[0], '')
import pandas as pd
data = {'Org': ['<a href="/00xO" target="_blank">Chocolate</a>'],
'Owner': ['Charlie']
}
df = pd.DataFrame(data)
# Function Call
getOrg(df['Org'])
OUTPUT
巧克力
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.