如何替换熊猫数据框中看起来相似的值？

Posted 2023-03-12

【中文标题】如何替换熊猫数据框中看起来相似的值？

【英文标题】：How do I replace the similar looking values in a pandas dataframe?

【发布时间】：2018-12-04 13:55:59

【问题描述】：

我是熊猫新手。我的数据集中有以下数据类型。 （数据集是从 Kaggle 下载的 Indian Startup Funding。）

Date                datetime64[ns]
StartupName                 object
IndustryVertical            object
CityLocation                object
InvestorsName               object
InvestmentType              object
AmountInUSD                 object
dtype: object

data['AmountInUSD'].groupby(data['CityLocation']).describe()

我做了上面的操作，发现很多城市都是类似的例子，

Bangalore   
Bangalore / Palo Alto
Bangalore / SFO
Bangalore / San Mateo
Bangalore / USA
Bangalore/ Bangkok

我想做下面的操作，但我不知道这个代码。

在 CityLocation 列中，找到所有以“Bang”开头的单元格，并将它们全部替换为“Bangalore”。我们将不胜感激。

我做到了

data[data.CityLocation.str.startswith('Bang')] 

然后我不知道该怎么办。

【问题讨论】：

请展示您编写的代码

数据[data.CityLocation.str.startswith('Bang')]

【参考方案1】：

您可以使用loc 函数在列中查找子字符串匹配的值，并将其替换为您选择的值。

import pandas as pd

df = pd.DataFrame('CityLocation': ['Bangalore', 'Dangerlore', 'Bangalore/USA'], 'Values': [1, 2, 3])
print(df)
#     CityLocation  Values
# 0      Bangalore       1
# 1     Dangerlore       2
# 2  Bangalore/USA       3


df.loc[df.CityLocation.str.startswith('Bang'), 'CityLocation'] = 'Bangalore'
print(df)
#   CityLocation  Values
# 0    Bangalore       1
# 1   Dangerlore       2
# 2    Bangalore       3

【讨论】：

嗨，约翰，感谢您的回答:)，但我想更改的是字符串本身。我不想更改班加罗尔和危险洛尔对应的值。

【参考方案2】：

pandas 0.23 提供了一种处理文本的好方法。请参阅文档Working with Text Data。您可以使用regular expressions 来捕获和替换文本。

import pandas as pd
df = pd.DataFrame('CityLocation': ["Bangalore / Palo Alto", "Bangalore / SFO", "Other"])

df['CityLocation'] = df['CityLocation'].str.replace("^Bang.*", "Bangalore")

print(df)

会收获

  CityLocation
0    Bangalore
1    Bangalore
2        Other

【讨论】：

感谢您的回答。有效。我将对数据中的其他城市做同样的事情。