[英]How to replace a part of a string in a pandas.Dataframe?
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。
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。
使用 -
mhc = mhc.str.replace('HLA', ' ')
要么 -
train_csv['mhc'] = train_csv['mhc'].str.replace('HLA', '') # One liner directly from df
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。 ;)
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.