如何标准化 pandas DataFrame 中行之间的字符串？答案

【问题标题】：How to standardize strings between rows in a pandas DataFrame?如何标准化 pandas DataFrame 中行之间的字符串？
【发布时间】：2018-04-18 20:42:54
【问题描述】：

我在 Python3.x 中有以下 pandas DataFrame：

import pandas as pd

dict1 = {
    'ID':['first', 'second', 'third', 'fourth', 'fifth'], 
    'pattern':['AAABCDEE', 'ABBBBD', 'CCCDE', 'AA', 'ABCDE']
}

df = pd.DataFrame(dict1)

>>> df
       ID   pattern
0   first  AAABCDEE
1  second    ABBBBD
2   third     CCCDE
3  fourth        AA
4   fifth     ABCDE

有两列，ID 和 pattern。 pattern中长度最长的字符串在第一行len('AAABCDEE')，长度为8。

我的目标是标准化字符串，使它们的长度相同，尾随空格为?。

下面是输出的样子：

>>> df
       ID   pattern
0   first  AAABCDEE
1  second  ABBBBD?? 
2   third  CCCDE???
3  fourth  AA??????
4   fifth  ABCDE???

如果我能够使尾随空格NaN，那么我可以尝试类似：

df = df.applymap(lambda x: int(x) if pd.notnull(x) else str("?"))

但我不确定如何有效地（1）在pattern 中找到最长的字符串，（2）然后添加NaN 将字符串的末尾添加到这个长度？这可能是一个复杂的方法......

【问题讨论】：

标签： python python-3.x pandas dataframe

【解决方案1】：

在获取列中的最大字符串长度后，您可以为此使用Series.str.ljust。

df.pattern.str.ljust(df.pattern.str.len().max(), '?')

# 0    AAABCDEE
# 1    ABBBBD??
# 2    CCCDE???
# 3    AA??????
# 4    ABCDE???
# Name: pattern, dtype: object

在 Pandas 的源代码0.22.0here 中可以看出ljust 完全等同于pad 和side='right'，所以选择你觉得更清楚的那个。

【讨论】：

我从来没有对Series.str.ljust() 感到陌生。谢谢！
@ShanZhengYang 不用担心。有一大堆，请参阅文档中的String handling。

【解决方案2】：

您可以使用str.pad

df.pattern.str.pad(width=df.pattern.str.len().max(),side='right',fillchar='?')
Out[1154]: 
0    AAABCDEE
1    ABBBBD??
2    CCCDE???
3    AA??????
4    ABCDE???
Name: pattern, dtype: object

【讨论】：

【解决方案3】：

Python 3.6 f 字符串

n = df.pattern.str.len().max()
df.assign(pattern=[f'{i:?<{n}s}' for i in df.pattern])

       ID   pattern
0   first  AAABCDEE
1  second  ABBBBD??
2   third  CCCDE???
3  fourth  AA??????
4   fifth  ABCDE???

【讨论】：

你能解释一下 f-string 在这里做什么..