从 pandas 数据框中删除句子长度超过特定字长的行

Posted 2023-03-12

【中文标题】从 pandas 数据框中删除句子长度超过特定字长的行

【英文标题】：Remove the rows from pandas dataframe, that has sentences longer than certain word length

【发布时间】：2019-10-27 01:19:41

【问题描述】：

我想从 pandas 数据框中删除行，其中包含长度大于所需长度的特定列中的字符串。

例如：

输入框：

X    Y
0    Hi how are you.
1    An apple
2    glass of water
3    I like to watch movie

现在，假设我想从数据框中删除长度大于或等于 4 的字符串的行。

所需的输出帧必须是：

X    Y
1    An apple
2    glass of water

删除列“X”中值为 0,3 的行，因为第 0 列中的单词数为 4，第 3 列中的单词数分别为 5。

【问题讨论】：

@anky_91 greater than or equal to 4

【参考方案1】：

首先按空格拆分值，通过Series.str.len 获取行数并通过倒置条件检查>= 到< 与Series.lt 为boolean indexing：

df = df[df['Y'].str.split().str.len().lt(4)]
#alternative with inverted mask by ~
#df = df[~df['Y'].str.split().str.len().ge(4)]
print (df)
   X               Y
1  1        An apple
2  2  glass of water

【参考方案2】：

你可以数空格：

df[df.Y.str.count('\s+').lt(3)]

   X               Y
1  1        An apple
2  2  glass of water