如何替換pandas.Dataframe中的字符串的一部分？

Question

我試圖替換pd.Dataframe中所有字符串的一部分，但它不起作用。

我的數據示例：

HLAA0101    
HLAA0201    
HLAA0202    
HLAA0203    
HLAA0205 

我想要獲得什么：

A0101    
A0201    
A0202    
A0203    
A0205 

我的代碼：

 mhc = train_csv.mhc

 for i in mhc:
   i[0:2].replace('HLA', ' ')

 print(mhc)

但它不起作用。

Answer 1

選項1：

df['mhc'] = df['mhc'].str[3:]

選項2：

df['mhc'] = df['mhc'].str.replace(r'^HLA','')

選項3：

df['mhc'] = df['mhc'].str.extract(r'HLA(.*)', expand=False)

選項4 :(注意：有時列表理解比字符串/對象dtypes的內部向量化方法更快）

df['mhc'] = [s[3:] for s in df['mhc']]

所有選項都會產生相同的結果：

In [26]: df
Out[26]:
     mhc
0  A0101
1  A0201
2  A0202
3  A0203
4  A0205

時間為50.000行DF：

In [29]: df = pd.concat([df] * 10**4, ignore_index=True)

In [30]: %timeit df['mhc'].str[3:]
35.9 ms ± 3.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [31]: %timeit df['mhc'].str.replace(r'^HLA','')
162 ms ± 3.04 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [32]: %timeit df['mhc'].str.extract(r'HLA(.*)', expand=False)
164 ms ± 4.87 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [33]: %timeit [s[3:] for s in df['mhc']]
14.6 ms ± 18.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [34]: df.shape
Out[34]: (50000, 1)

結論：列表理解方法獲勝。

Answer 2

使用 -

mhc = mhc.str.replace('HLA', ' ')

要么 -

train_csv['mhc'] = train_csv['mhc'].str.replace('HLA', '') # One liner directly from df

Answer 3

試試str.replace 。 （此處的文檔： https ： //pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.replace.html ）

此外，在您的代碼中，它插入一個空格而不是替換的字符串。 如果你想要，那很好，否則刪除空格。 ;）