我正在寻找一种有效的方法，从DataFrame列中的字符串中删除不需要的部分。
数据如下所示:
time result
1 09:00 +52A
2 10:00 +62B
3 11:00 +44a
4 12:00 +30b
5 13:00 -110a
我需要修剪这些数据:
time result
1 09:00 52
2 10:00 62
3 11:00 44
4 12:00 30
5 13:00 110
我尝试了.str.lstrip('+-')和.str.rstrip('aAbBcC')，但得到一个错误:
TypeError: wrapper() takes exactly 1 argument (2 given)
任何建议都将非常感激!
当前回答
我会使用pandas替换函数，非常简单和强大，就像你可以使用regex一样。下面我将使用regex \D删除任何非数字字符，但显然你可以使用regex获得相当有创意的效果。
data['result'].replace(regex=True,inplace=True,to_replace=r'\D',value=r'')
其他回答
data['result'] = data['result'].map(lambda x: x.lstrip('+-').rstrip('aAbBcC'))
尝试使用正则表达式:
import re
data['result'] = data['result'].map(lambda x: re.sub('[-+A-Za-z]',x)
这里有一个错误:当前不能将参数传递给str.lstrip和str.rstrip:
http://github.com/pydata/pandas/issues/2411
编辑:2012-12-07这工作现在在开发分支:
In [8]: df['result'].str.lstrip('+-').str.rstrip('aAbBcC')
Out[8]:
1 52
2 62
3 44
4 30
5 110
Name: result
一个非常简单的方法是使用提取方法来选择所有的数字。只需为它提供正则表达式“\d+”，它可以提取任意数量的数字。
df['result'] = df.result.str.extract(r'(\d+)', expand=True).astype(int)
df
time result
1 09:00 52
2 10:00 62
3 11:00 44
4 12:00 30
5 13:00 110
对于这些类型的任务，我经常使用列表推导式，因为它们通常更快。
在做这样的事情(即修改DataFrame中一个系列的每个元素)的各种方法之间，性能可能会有很大的差异。通常，列表理解是最快的——参见下面的代码竞赛:
import pandas as pd
#Map
data = pd.DataFrame({'time':['09:00','10:00','11:00','12:00','13:00'], 'result':['+52A','+62B','+44a','+30b','-110a']})
%timeit data['result'] = data['result'].map(lambda x: x.lstrip('+-').rstrip('aAbBcC'))
10000 loops, best of 3: 187 µs per loop
#List comprehension
data = pd.DataFrame({'time':['09:00','10:00','11:00','12:00','13:00'], 'result':['+52A','+62B','+44a','+30b','-110a']})
%timeit data['result'] = [x.lstrip('+-').rstrip('aAbBcC') for x in data['result']]
10000 loops, best of 3: 117 µs per loop
#.str
data = pd.DataFrame({'time':['09:00','10:00','11:00','12:00','13:00'], 'result':['+52A','+62B','+44a','+30b','-110a']})
%timeit data['result'] = data['result'].str.lstrip('+-').str.rstrip('aAbBcC')
1000 loops, best of 3: 336 µs per loop
