Question

我需要按照以下规则运行20多列：

df['LAND1'] = df['LAND1'].str.replace('\W+', '')
df['LAND1'] = df['LAND1'].str.lower().astype(str)
df['SEA1'] = df['SEA1'].str.replace('\W+', '')
df['SEA1'] = df['SEA1'].str.lower().astype(str)
df['OCEAN1'] = df['OCEAN1'].str.replace('\W+', '')
df['OCEAN1'] = df['OCEAN1'].str.lower().astype(str)
df['CITY1'] = df['CITY1'].str.replace('\W+', '')
df['CITY1'] = df['CITY1'].str.lower().astype(str)

针对不同列的更多相同类型的代码如何最小化我的代码。这样我就可以编写更少的代码。

Answer 1

您可以创建列名列表，然后遍历它们并为它们应用逻辑。示例 -

columns = ['LAND1','SEA1','OCEAN1','CITY1',...]
for col in columns:
    df[col] = (df[col].str.replace('\W+', '')
                      .str.lower().astype(str))

演示 -

In [17]: df
Out[17]:
         LAND1         SEA1
0  Blah!!!Bloh  Bleh@@@Blum
1  Blah!!!Bloh  Bleh@@@Blum
2  Blah!!!Bloh  Bleh@@@Blum
3  Blah!!!Bloh  Bleh@@@Blum
4  Blah!!!Bloh  Bleh@@@Blum
5  Blah!!!Bloh  Bleh@@@Blum
6  Blah!!!Bloh  Bleh@@@Blum
7  Blah!!!Bloh  Bleh@@@Blum
8  Blah!!!Bloh  Bleh@@@Blum
9  Blah!!!Bloh  Bleh@@@Blum

In [18]: columns = ['LAND1','SEA1']

In [20]: for col in columns:
   ....:     df[col] = (df[col].str.replace('\W+', '')
   ....:                       .str.lower().astype(str))
   ....:

In [21]: df
Out[21]:
      LAND1      SEA1
0  blahbloh  blehblum
1  blahbloh  blehblum
2  blahbloh  blehblum
3  blahbloh  blehblum
4  blahbloh  blehblum
5  blahbloh  blehblum
6  blahbloh  blehblum
7  blahbloh  blehblum
8  blahbloh  blehblum
9  blahbloh  blehblum

Answer 2

DataFrame.apply和DataFrame.applymap也可以收缩您的代码：

df=pd.DataFrame({'A':['a','b','c'],'D':['d','e','f'],'G':['g','h','i']})
   A  D  G  
0  a  d  g
1  b  e  h
2  c  f  i

然后：

df.apply(pd.Series.replace,args=('d','ddd')).applymap(str.upper)

   A    D  G
0  A  DDD  G
1  B    E  H
2  C    F  I

例如，您可以selection=['A','D']; df[selection]=df[selection].apply(....)影响和限制某些列。

Answer 3

我希望df是dictionary

for i in df.keys():
    df[i]=df[i].str.replace('\W+', '')
    df[i]=df[i].str.lower().astype(str)

让我知道它是否有助于你

Answer 4

融合数据框，然后应用repalce并降低功能。旋转数据框以返回

是否有更多pythonic方式来执行以下重复代码

4 个答案: