您如何对数据框列进行大量修改,避免样板代码。
可重现的示例:
data = {'Subject Id': ['1', '2', '3'],
'First-Name': ['Alex', 'Amy', 'Allen'],
'Last, name': ['Anderson', 'Ackerman', 'Ali']}
df = pd.DataFrame(data, columns = ['Subject Id', 'First-Name', 'Last, name'])
df
Subject Id First-Name Last, name
0 1 Alex Anderson
1 2 Amy Ackerman
2 3 Allen Ali
为了清理列名,我通常会这样做:
df.columns = [l.lower() for l in df.columns]
df.columns = [s.replace('-', ' ') for s in df.columns]
df.columns = [d.replace(',', ' ') for d in df.columns]
但是有时我需要进行3个以上的修改。是否有办法将此类操作链接在一起,或者可以更有效地做到这一点?
您可以调用向量化.str
方法并将这些调用链接在您的列上,在这里我们使用str.lower
和str.replace
:
In [91]:
df.columns = df.columns.str.lower().str.replace('-|,', ' ')
df
Out[91]:
subject id first name last name
0 1 Alex Anderson
1 2 Amy Ackerman
2 3 Allen Ali
还要注意,没有什么可以阻止您将所有内容组合到一个列表中:
In [93]:
df.columns = [l.lower().replace('-', ' ').replace(',',' ') for l in df.columns]
df
Out[93]:
subject id first name last name
0 1 Alex Anderson
1 2 Amy Ackerman
2 3 Allen Ali
在这么少的列上进行列表理解可能会更快:
时机
In [96]:
%timeit [l.lower().replace('-', ' ').replace(',',' ') for l in df.columns]
%timeit df.columns.str.lower().str.replace('-|,', ' ')
100000 loops, best of 3: 5.26 µs per loop
1000 loops, best of 3: 284 µs per loop
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句