从数据框中删除特定的 URL

Question

In Python I've a dataframe that contains in a column two comma separated URLS ( https://pippo.it , https://pluto.it ) and another column where the urls I want to remove from all the dataframe are stored. 我该如何做到这一点？

示例代码

df = df = pd.DataFrame({'urls':['https://pippo.it, https://pluto.it', 'http://blah.com'], 'urls2':['http://blah.net', 'https://pippo.it, https://pluto.it']})
df2 = df

for column in df:

    URLVal = df["url2"].values
    df2 = df2.replace(str(URLVal.values), "")

Answer 1

您可以尝试使用正则表达式替换：

df["urls"] = df["urls"].str.replace(r'(?:,\s*)?https?://pluto.it(?:,\s*)?', '', regex=True)

这是一个正则表达式演示，显示替换逻辑正在运行。

Answer 2

我想解释为什么

我已经尝试了解决方案 df.replace("https://pluto.it", "")

失败的。 In pandas there exist distinct methods, pandas.DataFrame.replace (for replacing whole elements) and pandas.Series.str.replace (akin to replace method of str , note that it pertains to Series, ie single column of DataFrame). 考虑以下简单示例

import pandas as pd
df = pd.DataFrame({"A":["ABC","ABCDEF","DEF"]})
print(df.replace("DEF","X"))  # holds ABC, ABCDEF, X
print(df.A.str.replace("DEF","X"))  # holds ABC, ABCX, X

Answer 3

您可以使用

df = df.replace(r"\s*(?:,\s*)?https://pluto\.it\b", "", regex=True)
df.replace(r"\s*(?:,\s*)?https://pluto\.it\b", "", regex=True, inplace=True)

查看 Pandas 测试：

import pandas as pd
df = pd.DataFrame({'urls':['https://pippo.it, https://pluto.it', 'http://blah.com'], 'urls2':['http://blah.net', 'https://pippo.it, https://pluto.it']})
df.replace(r"\s*(?:,\s*)?https://pluto\.it\b", "", regex=True, inplace=True)

所以，如果最初的 dataframe 看起来像

                                 urls                               urls2
0  https://pippo.it, https://pluto.it                     http://blah.net
1                     http://blah.com  https://pippo.it, https://pluto.it

output 将是：

               urls             urls2
0  https://pippo.it   http://blah.net
1   http://blah.com  https://pippo.it

inplace inplace=True直接对 dataframe 进行更改，无需重新分配变量。

\s*(?:,\s*)?https://pluto\.it\b正则表达式需要更多注意：

• \s* - 零个或多个空格
• (?:,\s*)? - 一个可选的逗号序列，然后是零个或多个空格
• https://pluto\.it - 文字https://pluto.it字符串
• \b - 单词边界（用于匹配it但不匹配ita 、 it0 、 it_等）。 注意：如果要确保字符串结尾，请使用$ 。 如果您想确保只有在 URL 之后才能有空格或字符串结尾，请使用(? \S)而不是\b 。

Answer 4

假设要替换的字符串元素的结构始终相同，您也可以很容易地做到这一点，无需 Regex，如下所示：

df.replace("https://pippo.it, https://pluto.it", "https://pippo.it")