剥离/修剪数据框的所有字符串

清理python / pandas中的多类型数据框的值后，我要修剪字符串。我目前正在执行两条指令：

import pandas as pd

df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])

df.replace('^\s+', '', regex=True, inplace=True) #front
df.replace('\s+$', '', regex=True, inplace=True) #end

df.values

这很慢，我可以改善什么？

您可以使用DataFrame.select_dtypes选择string列，然后apply运行str.strip。

注意：值不能types像dicts或lists，因为它们dtypes是object。

df_obj = df.select_dtypes(['object'])
print (df_obj)
0    a  
1    c  

df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
print (df)

   0   1
0  a  10
1  c   5

但是，如果只有几列，请使用str.strip：

df[0] = df[0].str.strip()

钱射击

这是使用applymap简单的lambda表达式strip仅在值是字符串类型时调用的紧凑版本：

df.applymap(lambda x: x.strip() if isinstance(x, str) else x)

完整的例子

一个更完整的示例：

import pandas as pd


def trim_all_columns(df):
    """
    Trim whitespace from ends of each value across all series in dataframe
    """
    trim_strings = lambda x: x.strip() if isinstance(x, str) else x
    return df.applymap(trim_strings)


# simple example of trimming whitespace from data elements
df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
df = trim_all_columns(df)
print(df)


>>>
   0   1
0  a  10
1  c   5

工作范例

这是Trinket托管的工作示例：https : //trinket.io/python3/e6ab7fb4ab

你可以试试：

df[0] = df[0].str.strip()

或更具体地针对所有字符串列

non_numeric_columns = list(set(df.columns)-set(df._get_numeric_data().columns))
df[non_numeric_columns] = df[non_numeric_columns].apply(lambda x : str(x).strip())

如果您真的想使用正则表达式，那么

>>> df.replace('(^\s+|\s+$)', '', regex=True, inplace=True)
>>> df
   0   1
0  a  10
1  c   5

但是这样做应该更快：

>>> df[0] = df[0].str.strip()

您可以使用该apply功能的的Series对象：

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df[0][0]
'  a  '
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
'a'

注意和的用法strip不是regex更快

另一个选择-使用DataFrame对象的apply功能：

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df.apply(lambda x: x.apply(lambda y: y.strip() if type(y) == type('') else y), axis=0)

   0   1
0  a  10
1  c   5

def trim(x):
    if x.dtype == object:
        x = x.str.split(' ').str[0]
    return(x)

df = df.apply(trim)