如何在一列中修改多个值，但在python中跳过其他值

Question

在python中学习了两个月，我现在正努力学习熊猫。在我目前的职位上，我在数据帧上使用VBA，因此学习VBA可以慢慢取代它，并促进我的职业生涯。 到目前为止，我认为我真正的问题是缺乏对关键概念的理解。任何帮助都将不胜感激

这就是我的问题：

我可以去哪里学习更多关于如何做这样的事情以获得更精确的过滤。我非常接近，但我需要一个关键方面

目标

主要目标我需要跳过ID列中的某些值。 下面的代码去掉破折号“-”，最多只能读取9位数字。但是，我需要跳过某些ID，因为它们是唯一的

之后，我将开始比较多张工作表。

• 主数据帧ID的格式为000-000-000-000
• 其他数据帧，我会比较它有没有 破折号“-”为000000000，并减去三个000，共九位数字

我需要跳过的唯一ID在两个数据帧中都是相同的，但格式完全不同，范围为000-000-000#12000-000-000#35或000-000-000#z

我将在每个ID上使用的代码，唯一ID除外：

 dfSS["ID"] = dfSS["ID"].str.replace("-", "").str[:9]

但是我想使用一个if语句，比如（这不起作用）

lst = ["000-000-000_#69B", "000-000-000_a", "etc.. random IDs", ]

if ~dfSS["ID"].isin(lst ).any()
    dfSS["ID"] = dfSS["ID"].str.replace("-", "").str[:9]
else:
    pass

我的输入数据框如下：

            ID               Street #   Street Name 
0   004-330-002-000         2272        Narnia  
1   021-521-410-000_128     2311        Narnia  
2   001-243-313-000         2235        Narnia  
3   002-730-032-000         2149        Narnia
4   000-000-000_a           1234        Narnia

我希望这样做作为输出：

            ID               Street #   Street Name 
0   004330002               2272        Narnia  
1   021-521-410-000_128     2311        Narnia  
2   001243313000            2235        Narnia  
3   002730032000            2149        Narnia
4   000-000-000_a           1234        Narnia

注:

• dfSS是我使用的数据框变量名，也就是excel。“ID”是 我的专栏标题。这将成为事后的索引
• 我在这项工作中的数据框很小，有#个（行、列）为（2500125）
• 我没有收到错误消息，所以我猜我可能需要某种循环。也开始用这个测试循环。没有运气。。。然而

以下是我一直在研究的地方：

• Comparison of a Dataframe column values with a list
• How to filter Pandas dataframe using 'in' and 'not in' like in SQL
• if statement with ~isin() in pandas
• recordlinkage module-I didn't think this was going to work
• Regular expression operations - Having a hard time fully understanding this at the moment

Answer 1

有很多方法可以做到这一点。这里的第一种方法不涉及编写函数

# Create a placeholder column with all transformed IDs
dfSS["ID_trans"] = dfSS["ID"].str.replace("-", "").str[:9]
dfSS.loc[~dfSS["ID"].isin(lst), "ID"] = dfSS.loc[~dfSS["ID"].isin(lst), "ID_trans"] # conditional indexing

第二种方法是编写一个有条件地转换ID的函数，但速度不如第一种方法快

def transform_ID(ID_val):
    if ID_val not in lst:
        return ID_val.replace("-", "")[:9]

dfSS['ID_trans'] = dfSS['ID'].apply(transform_ID)