Entfernen / kürzen Sie alle Zeichenfolgen eines Datenrahmens

Wenn ich die Werte eines Multitype-Datenrahmens in Python / Pandas bereinige, möchte ich die Zeichenfolgen kürzen. Ich mache es derzeit in zwei Anweisungen:

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

Das ist ziemlich langsam, was könnte ich verbessern?

Sie können Spalten DataFrame.select_dtypesauswählen stringund dann applyfunktionieren str.strip.

Hinweis: Werte können nicht typeswie dictsoder sein lists, weil sie dtypessind object.

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

Aber wenn es nur wenige Spalten gibt, verwenden Sie str.strip:

df[0] = df[0].str.strip()

Geldschuss

Hier ist eine kompakte Version der Verwendung applymapmit einem einfachen Lambda-Ausdruck, die stripnur aufgerufen wird , wenn der Wert vom Typ einer Zeichenfolge ist:

df.applymap(lambda x: x.strip() if isinstance(x, str) else x)

Vollständiges Beispiel

Ein vollständigeres Beispiel:

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

Arbeitsbeispiel

Hier ist ein Arbeitsbeispiel, das von trinket gehostet wird: https://trinket.io/python3/e6ab7fb4ab

Du kannst es versuchen:

df[0] = df[0].str.strip()

oder genauer für alle Zeichenfolgenspalten

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())

Wenn Sie Regex wirklich verwenden möchten, dann

>>> df.replace('(^\s+|\s+$)', '', regex=True, inplace=True)
>>> df
   0   1
0  a  10
1  c   5

Aber es sollte schneller gehen, um es so zu machen:

>>> df[0] = df[0].str.strip()

Sie können die applyFunktion des SeriesObjekts verwenden:

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df[0][0]
'  a  '
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
'a'

Beachten Sie die Verwendung von stripund nicht die, regexdie viel schneller ist

Eine weitere Option - verwenden Sie die applyFunktion des DataFrame-Objekts:

>>> 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

def trim(x):
    if x.dtype == object:
        x = x.str.split(' ').str[0]
    return(x)

df = df.apply(trim)