Pandas：替换字符串列值（等于、包含、大小写）

Posted 2023-03-12

【中文标题】Pandas：替换字符串列值（等于、包含、大小写）

【英文标题】：Pandas : Replace string column values (equal, contains, case)

【发布时间】：2020-07-15 07:27:53

【问题描述】：

我有如下datafarme。

ID   COUNTRY   GENDER    AGE  V1   V2   V3   V4   V5
1    1    1    53   APPLE     apple     bosck     APPLE123  xApple111t
2    2    2    51   BEKO beko SIMSUNG   SamsungO123    ttBeko111t
3    3    1    24   SAMSUNG   bosch     SEMSUNG   BOSC1123  uuSAMSUNG111t

如果列表中有相同的值或包含特定值，我想替换为 np.nan。 我在下面尝试但出现错误。

remove_list = ['APPLE', 'BEKO']

remove_contain_list = ['SUNG', 'bosc']

df.iloc[:,4:].str.replace(remove_list, np.nan, case=False) # exact match & case sensitive
df.iloc[:,4:].str.contains(remove_contain_list, np.nan, case=False) # contain & case sensitive

我该如何解决这些问题？

【问题讨论】：

你能正确格式化你的代码吗？数据应至少缩进四个空格

【参考方案1】：

您可以通过DataFrame.stack 创建MultiIndex Series，通过带有小写值的Series.isin 和Series.str.contains 获取完全匹配和部分匹配的掩码，用Series.mask 替换（替换的默认值为NaN，所以没有必要的指定）并最后Series.unstack并分配回：

remove_list = ['APPLE', 'BEKO']
remove_contain_list = ['SUNG', 'bosc']

s = df.iloc[:,4:].stack(dropna=False)
m1 = s.str.lower().isin([x.lower() for x in remove_list])
m2 = s.str.contains('|'.join(remove_contain_list), case=False)
s = s.mask(m1 | m2)

df.iloc[:,4:] = s.unstack()
print (df)
   ID  COUNTRY  GENDER  AGE   V1   V2   V3        V4          V5
0   1        1       1   53  NaN  NaN  NaN  APPLE123  xApple111t
1   2        2       2   51  NaN  NaN  NaN       NaN  ttBeko111t
2   3        3       1   24  NaN  NaN  NaN       NaN         NaN

编辑：如果 Styler.apply 匹配，您可以将掩码替换为背景颜色：

def color(x): 
    c1 = 'background-color: yellow'
    c = ''

    remove_list = ['APPLE', 'BEKO']
    remove_contain_list = ['SUNG', 'bosc']

    s = x.iloc[:,4:].stack(dropna=False)
    m1 = s.str.lower().isin([i.lower() for i in remove_list])
    m2 = s.str.contains('|'.join(remove_contain_list), case=False)
    m = m1| m2

    df1 = pd.DataFrame(c, index=x.index, columns=x.columns)
    mask = m.unstack(fill_value=False).reindex(x.columns, fill_value=False, axis=1)   
    df1 = df1.mask(mask, c1)
    return df1

df.style.apply(color,axis=None)

【讨论】：

谢谢你，我能知道'|'.join的意思吗？

@purplecollar - 表示正则表达式或 - first value of list OR second value of list

同上情况，如何将背景颜色改为黄色而不是替换？

@purplecollar - 所以remove_list匹配是黄色的，remove_contain_list是红色的？预期输出如何？

如果列值对应remove_list或者包含remove_contain_list，我想把列的背景色改为黄色。