अजगर / पंडों में एक मल्टीटैप डेटा फ्रेम के मूल्यों को साफ करते हुए, मैं स्ट्रिंग्स को ट्रिम करना चाहता हूं। मैं वर्तमान में इसे दो निर्देशों में कर रहा हूं:
import pandas as pd
df = pd.DataFrame([[' a ', 10], [' c ', 5]])
df.replace('^\s+', '', regex=True, inplace=True) #front
df.replace('\s+$', '', regex=True, inplace=True) #end
df.values
यह काफी धीमा है, मैं क्या सुधार कर सकता हूं?
जवाबों:
आप स्तंभों DataFrame.select_dtypesका चयन करने stringऔर फिर applyकार्य करने के लिए उपयोग कर सकते हैं str.strip।
सूचना: मान या typesजैसे नहीं हो सकते , क्योंकि उनका है ।dictslistsdtypesobject
df_obj = df.select_dtypes(['object'])
print (df_obj)
0 a
1 c
df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
print (df)
0 1
0 a 10
1 c 5
लेकिन अगर कुछ ही कॉलम उपयोग होते हैं str.strip:
df[0] = df[0].str.strip()
यहाँ एक स्ट्रेंथ प्रकार का applymapलैम्बडा एक्सप्रेशन के साथ उपयोग करने का एक संक्षिप्त संस्करण है, stripजब मूल्य एक स्ट्रिंग प्रकार का होता है:
df.applymap(lambda x: x.strip() if isinstance(x, str) else x)
एक और पूर्ण उदाहरण:
import pandas as pd
def trim_all_columns(df):
"""
Trim whitespace from ends of each value across all series in dataframe
"""
trim_strings = lambda x: x.strip() if isinstance(x, str) else x
return df.applymap(trim_strings)
# simple example of trimming whitespace from data elements
df = pd.DataFrame([[' a ', 10], [' c ', 5]])
df = trim_all_columns(df)
print(df)
>>>
0 1
0 a 10
1 c 5
ट्रिंकेट द्वारा होस्ट किया गया एक कार्य उदाहरण यहां दिया गया है: https://trinket.io/python3/e6ab7fb4ab
type(x) == str, नहींtype(x) is str
isinstance(x, str)।
तुम कोशिश कर सकते हो:
df[0] = df[0].str.strip()
या विशेष रूप से सभी स्ट्रिंग कॉलम के लिए
non_numeric_columns = list(set(df.columns)-set(df._get_numeric_data().columns))
df[non_numeric_columns] = df[non_numeric_columns].apply(lambda x : str(x).strip())
आप ऑब्जेक्ट के applyफ़ंक्शन का उपयोग कर सकते हैं Series:
>>> df = pd.DataFrame([[' a ', 10], [' c ', 5]])
>>> df[0][0]
' a '
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
'a'
के उपयोग पर ध्यान दें
stripऔर नहींregexजो बहुत तेज है
एक अन्य विकल्प - डेटाफ्रेम ऑब्जेक्ट के applyफ़ंक्शन का उपयोग करें :
>>> df = pd.DataFrame([[' a ', 10], [' c ', 5]])
>>> df.apply(lambda x: x.apply(lambda y: y.strip() if type(y) == type('') else y), axis=0)
0 1
0 a 10
1 c 5
df[0] = df[0].str.strip()-, सबसे अधिक संभवतया, बड़े DFs पर अधिक तेज़ होगा
def trim(x):
if x.dtype == object:
x = x.str.split(' ').str[0]
return(x)
df = df.apply(trim)
가나다 봻 खाली भाग जो मैं चाहता हूं, सही भाग कचरा है। ट्रिम फंक्शन एक्सट्रैक्ट जो मुझे कच्चे डेटा से चाहिए।
df.replace(r'\s*(.*?)\s*', r'\1', regex=True)