檢查數據幀中的結束字符並替換它們

Question

我想根據以下條件在我的 Pandas 數據框中添加兩個新列

• 如果句子以“...”結尾，則添加一個值為 1 的新列，否則為 0；
• 如果句子以“...”結尾，則在末尾添加一個不帶“...”的新列

像這樣的東西：

Text
bla bla bla ...
once upon a time
pretty little liars
Batman ...

預期的

    Text                T    Clean
    bla bla bla ...     1    bla bla bla 
    once upon a time    0    once upon a time 
    pretty little liars 0    pretty little liars
    Batman ...          1    Batman

我嘗試應用正則表達式，但 str.endwith 可能是檢查句子是否以 ... 結尾的更好方法，因為分配了一個布爾值（我的 T 列）。

我試過如下： df['Text'].str.endswith('...')但我需要用 1 和 0 創建一個新列。為了清理文本，我會檢查T是否為真：如果是的，我會在最后刪除...

df['Clean'] = df['Text'].str.rstrip('...') 

或df['Clean'] = df['Text'].str[:-3] （但它不包括任何邏輯條件或有關...信息）

或df['Clean'] = df['Text'].str.replace(r'...$', '')

重要的是我考慮以...結尾的句子，以避免刪除...在句子中間具有不同含義。

Answer 1

對於第一列，我將使用您建議的方法：

df['T'] = df['Text'].str.endswith('...')

（從技術上講，這將創建一個布爾列，而不是整數列。如果您關心這一點，可以使用astype()進行轉換。）

對於第二列，我將無條件替換：

df['Clean'] = df['Text'].str.replace(r'...$', '')

如果它不是以 ... 結尾，它就不會做任何事情。

Answer 2

如果您只想用該屬性替換那些文本行上的“結尾”省略號：

df.loc[df['Text'].str.endswith('...') == True, 'ends_in_ellipsis'] = 1

df.loc[df['ends_in_ellipsis'] == 1, 'Text_2'] = df.loc[df['ends_in_ellipsis'] == 1, 'Text'].str.rstrip('...') 

現在，如果您想在一行中完成所有操作（雖然對其他人來說可讀性較差，但您保存了一個虛擬列及其占用的內存）：

df.loc[df['Text'].str.endswith('...') == True, 'Text_2'] = df.loc[df['Text'].str.endswith('...') == True, 'Text'].str.rstrip('...') 

Answer 3

讓我們試試endswith + rstrip

df['new1']=df.Text.str.endswith('...').astype(int)
df['new2']=df.Text.str.rstrip(' ...') # notice rstrip will not remove any ... in the mid 
df
                  Text  new1                 new2
0      bla bla bla ...     1          bla bla bla
1     once upon a time     0     once upon a time
2  pretty little liars     0  pretty little liars
3           Batman ...     1               Batman