使用Pandas在Python中进行数据预处理

Question

我正在尝试预处理数据框中的一列。问题是，关系栏中有[[content1]、[content2]、[content3]]。我想拆下支架

我尝试过以下方法：

df['value'] = df['value'].str[0]

我得到的输出是 [内容一]

df
print df

id     value                 
1      [[str1],[str2],[str3]]        
2      [[str4],[str5]]       
3      [[str1]]        
4      [[str8]]       
5      [[str9]]      
6      [[str4]]

预期的输出应该是

id     value                 
1      str1,str2,str3        
2      str4,str5       
3      str1        
4      str8       
5      str9      
6      str4

Answer 1

您可以使用有用的正则表达式python包re。 这就是解决办法

import pandas as pd
import re

生成测试数据

    data = [
        [1, '[[str1],[str2],[str3]]'], 
        [2, '[[str4],[str5]]'], 
        [3, '[[str1]]'], 
        [4, '[[str8]]'], 
        [5, '[[str9]]'], 
        [6, '[[str4]]']
    ]

将数据转换为数据帧

    df = pd.DataFrame(data, columns = ['id', 'value'])
    print(df)

从“值”列中删除“[”，“]”

    df['value']=df.apply(lambda x: re.sub("[\[\]]", "", x['value']),axis=1)
    print(df)

Answer 2

看起来你有一系列的清单。您可以尝试取消并加入：

df['value'] = df['value'].apply(lambda x: ','.join([e for l in x for e in l]))

或：

from itertools import chain
df['value'] = df['value'].apply(lambda x: ','.join(chain.from_iterable(x)))

NB。如果您收到错误，请提供它和列的类型（df.dtypes）

Answer 3

正如我所看到的，您的数据和采样是相同的：

样本数据：

df = pd.DataFrame({'id':[1,2,3,4,5,6], 'value':['[[str1],[str2],[str3]]', '[[str4],[str5]]', '[[str1]]',  '[[str8]]', '[[str9]]', '[[str4]]']})
print(df)
   id                   value
0   1  [[str1],[str2],[str3]]
1   2         [[str4],[str5]]
2   3                [[str1]]
3   4                [[str8]]
4   5                [[str9]]
5   6                [[str4]]

结果:

df['value'] = df['value'].str.replace('[', '').astype(str).str.replace(']', '')
print(df)
   id           value
0   1  str1,str2,str3
1   2       str4,str5
2   3            str1
3   4            str8
4   5            str9
5   6            str4

注意：如错误代码所示AttributeError: Can only use .str accessor with string values，这意味着它没有将其视为str，因此您可以通过astype(str)将其强制转换为str，然后执行替换操作