使用 Pandas 将整个数据帧从小写转换为大写
Posted
技术标签:
【中文标题】使用 Pandas 将整个数据帧从小写转换为大写【英文标题】:Convert whole dataframe from lower case to upper case with Pandas 【发布时间】:2017-01-23 12:46:58 【问题描述】:我有一个如下所示的数据框:
# Create an example dataframe about a fictional army
raw_data = 'regiment': ['Nighthawks', 'Nighthawks', 'Nighthawks', 'Nighthawks'],
'company': ['1st', '1st', '2nd', '2nd'],
'deaths': ['kkk', 52, '25', 616],
'battles': [5, '42', 2, 2],
'size': ['l', 'll', 'l', 'm']
df = pd.DataFrame(raw_data, columns = ['regiment', 'company', 'deaths', 'battles', 'size'])
我的目标是将数据框中的每个字符串都转换为大写,使其看起来像这样:
注意:所有数据类型均为对象,不得更改;输出必须包含所有对象。我想避免将每一列一一转换...我想一般在整个数据帧上进行。
到目前为止我尝试的是这样做但没有成功
df.str.upper()
【问题讨论】:
str
仅适用于系列...
【参考方案1】:
astype() 会将每个系列转换为dtype 对象(字符串),然后在转换后的系列上调用str() 方法以逐字获取字符串并在其上调用函数upper()。请注意,在此之后,所有列的 dtype 都会更改为 object。
In [17]: df
Out[17]:
regiment company deaths battles size
0 Nighthawks 1st kkk 5 l
1 Nighthawks 1st 52 42 ll
2 Nighthawks 2nd 25 2 l
3 Nighthawks 2nd 616 2 m
In [18]: df.apply(lambda x: x.astype(str).str.upper())
Out[18]:
regiment company deaths battles size
0 NIGHTHAWKS 1ST KKK 5 L
1 NIGHTHAWKS 1ST 52 42 LL
2 NIGHTHAWKS 2ND 25 2 L
3 NIGHTHAWKS 2ND 616 2 M
您稍后可以使用to_numeric() 再次将“战斗”列转换为数字:
In [42]: df2 = df.apply(lambda x: x.astype(str).str.upper())
In [43]: df2['battles'] = pd.to_numeric(df2['battles'])
In [44]: df2
Out[44]:
regiment company deaths battles size
0 NIGHTHAWKS 1ST KKK 5 L
1 NIGHTHAWKS 1ST 52 42 LL
2 NIGHTHAWKS 2ND 25 2 L
3 NIGHTHAWKS 2ND 616 2 M
In [45]: df2.dtypes
Out[45]:
regiment object
company object
deaths object
battles int64
size object
dtype: object
【讨论】:
【参考方案2】:这可以通过以下applymap
方法解决:
df = df.applymap(lambda s: s.lower() if type(s) == str else s)
【讨论】:
这对我来说效果最好,但我相信 OP 想要全部大写。但是,我确实必须这样做str(s).lower()
。
如果将lower
替换为upper
,它应该适用于所有大写字母。对我来说效果很好!
在我看来,这个答案比公认的要好得多【参考方案3】:
循环非常慢,而不是对行中的每个单元格使用应用函数,尝试获取列表中的列名,然后遍历列列表以将每列文本转换为小写。
下面的代码是比apply函数更快的向量运算。
for columns in dataset.columns:
dataset[columns] = dataset[columns].str.lower()
【讨论】:
Nicedef m3(dataset): for columns in dataset.columns: dataset[columns] = dataset[columns].str.upper() return dataset %timeit pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1) %timeit df.apply(lambda x: x.astype(str).str.upper()) %timeit m3(df)
每个循环 70.5 毫秒 ± 1.26 毫秒(平均值 ± 7 次运行的标准偏差,每个循环 10 个循环)每个循环 82.1 毫秒 ± 1.46 毫秒(平均值 ± 标准偏差 7运行,每个循环 10 个循环)每个循环 40.8 ms ± 546 µs(7 次运行的平均值 ± 标准偏差,每个循环 10 个循环)【参考方案4】:
由于str
仅适用于系列,您可以将其单独应用于每一列,然后连接:
In [6]: pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
Out[6]:
regiment company deaths battles size
0 NIGHTHAWKS 1ST KKK 5 L
1 NIGHTHAWKS 1ST 52 42 LL
2 NIGHTHAWKS 2ND 25 2 L
3 NIGHTHAWKS 2ND 616 2 M
编辑:性能比较
In [10]: %timeit df.apply(lambda x: x.astype(str).str.upper())
100 loops, best of 3: 3.32 ms per loop
In [11]: %timeit pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
100 loops, best of 3: 3.32 ms per loop
两个答案在小数据帧上的表现相同。
In [15]: df = pd.concat(10000 * [df])
In [16]: %timeit pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
10 loops, best of 3: 104 ms per loop
In [17]: %timeit df.apply(lambda x: x.astype(str).str.upper())
10 loops, best of 3: 130 ms per loop
在大型数据框上,我的回答会稍微快一些。
【讨论】:
是否会将列名改为小写? @PiyushS.Wanare 不,不应该。 我该怎么做?df.columns = df.columns.str.lower()
【参考方案5】:
试试这个
df2 = df2.apply(lambda x: x.str.upper() if x.dtype == "object" else x)
【讨论】:
【参考方案6】:如果您想保留 dtype,请使用 isinstance(obj,type)
df.apply(lambda x: x.str.upper().str.strip() if isinstance(x, object) else x)
【讨论】:
以上是关于使用 Pandas 将整个数据帧从小写转换为大写的主要内容,如果未能解决你的问题,请参考以下文章
在数据表中将布尔数据字段从小写“true”转换为大写“TRUE”