[英]Apply a regex function on a pandas dataframe
我在熊貓中有一個數據框,例如:
0 1 2
([0.8898668778942382 0.89533945283595] 0)
([1.2632564814188714 1.0207660696232244] 0)
([1.006649166957976 1.1180973832359227] 0)
([0.9653632916751714 0.8625538463644129] 0)
([1.038366333873932 0.9091449796555554] 0)
所有值都是字符串。 我想刪除所有特殊字符並轉換為雙精度。 我想應用一個功能來刪除所有特殊字符,例如點
import re
re.sub('[^0-9.]+', '',x)
所以我想將其應用於數據框的所有單元格。 我該怎么做? 我找到df.applymap函數,但我不知道如何將字符串作為參數傳遞。 我試過了
def remSp(x):
re.sub('^[0-9]+', '',x)
df.applymap(remSp())
但我不知道如何將單元格傳遞給函數。 有更好的方法嗎?
謝謝
為什么不能直接使用regex在df上使用默認的替換方法
df = df.replace('[^\d.]', '',regex=True).astype(float)
0 1 2 0 0.889867 0.895339 0.0 1 1.263256 1.020766 0.0 2 1.006649 1.118097 0.0 3 0.965363 0.862554 0.0 4 1.038366 0.909145 0.0
這仍然比其他答案更快。
使用applymap
In [814]: df.applymap(lambda x: re.sub(r'[^\d.]+', '', x)).astype(float)
Out[814]:
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0
使用transform
In [809]: df.transform(lambda x: x.str.replace(r'[^\d.]+', '')).astype(float)
Out[809]:
0 1 2
0 0.889867 0.895339 0.0
1 1.263256 1.020766 0.0
2 1.006649 1.118097 0.0
3 0.965363 0.862554 0.0
4 1.038366 0.909145 0.0
遍歷列,調用str.replace
。
for c in df.columns:
df[c] = df[c].str.replace('[^\d.]', '')
df = df.astype(float)
df
0 1 2
0 0.889867 0.895339 0
1 1.263256 1.020766 0
2 1.006649 1.118097 0
3 0.965363 0.862554 0
4 1.038366 0.909145 0
不幸的是, pandas
尚不支持整個數據幀上的字符串訪問器操作,因此,循環遍歷列的替代方法會比較慢,例如lambdised applymap/transform
。
性能
100 loops, best of 3: 2.04 ms per loop # applymap
100 loops, best of 3: 2.69 ms per loop # transform
1000 loops, best of 3: 1.45 ms per loop # looped str.replace
df * 10000
) 1 loop, best of 3: 618 ms per loop # applymap
1 loop, best of 3: 658 ms per loop # transform
1 loop, best of 3: 341 ms per loop # looped str.replace
1 loop, best of 3: 212 ms per loop # df.replace
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.