【问题标题】：Remove opening and closing parenthesis with word in pandas删除熊猫中单词的左括号和右括号
【发布时间】：2019-11-03 12:34:58
【问题描述】：

给定一个数据框：

df = 

                         multi
0 MULTIPOLYGON(((3 11, 2 33)))
1 MULTIPOLYGON(((4 22, 5 66)))

我试图删除单词 'MULTIPOLYGON' 和括号 '(((', ')))'

我的尝试：

df['multi'] = df['multi'].str.replace(r"\(.*\)","")
df['multi'] = df['multi'].map(lambda x: x.lstrip('MULTIPOLYGON()').rstrip('aAbBcC'))

df.values = 

array([[''],
       [''],
       ...
       [''],
       [''],
       [''],
       ['7.5857754821 44.9628409423']

期望的输出：

df = 

     multi
3 11, 2 33
 4 22, 5 6

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

试试这个：

    import pandas as pd
import re 
def f(x):
    x = ' '.join(re.findall(r'[0-9, ]+',x))
    return x

def f2(x):
    x = re.findall(r'[0-9, ]+',x)

    return pd.Series(x[0].split(','))       


df =pd.DataFrame({'a':['MULTIPOLYGON(((3 11, 2 33)))' ,'MULTIPOLYGON(((4 22, 5 6)))']})
df['a'] = df['a'].apply(f)
print(df)
#or for different columns you can do
df =pd.DataFrame({'a':['MULTIPOLYGON(((3 11, 2 33)))' ,'MULTIPOLYGON(((4 22, 5 6)))']})
#df['multi'] = df.a.str.replace('[^0-9. ]', '', regex=True)
#print(df)
list_of_cols = ['c1','c2']
df[list_of_cols] = df['a'].apply(f2)
del df['a']
print(df)

输出：

            a
0  3 11, 2 33
1   4 22, 5 6
     c1     c2
0  3 11   2 33
1  4 22    5 6
[Finished in 2.5s]

【讨论】：

你几乎回答了我的第二个问题！但是如果列数超过 100 怎么办？
对不起，我在样本数据中做错了。它们之间有一个逗号，我想删除除逗号以外的所有内容

【解决方案2】：

您还可以将str.replace 与正则表达式一起使用：

# removes anything that's not a digit or a space or a dot
df['multi'] = df.multi.str.replace('[^0-9\. ]', '', regex=True)#changing regex

【讨论】：

【解决方案3】：

您可以通过以下方式使用 df.column.str。

df['a'] = df['a'].str.findall(r'[0-9.]+')
df = pd.DataFrame(df['a'].tolist())
print(df)

输出：

     0     1
0  3.49  11.10
1  4.49  22.12

这适用于任意数量的列。但最后你必须为这些列命名。

df.columns = ['a'+str(i) for i in range(df.shape[1])]

即使某些行具有不同数量的数值，此方法也有效。喜欢

df =pd.DataFrame({'a':['MULTIPOLYGON(((3.49)))' ,'MULTIPOLYGON(((4.49 22.12)))']})

     a
 0  MULTIPOLYGON(((3.49)))
 1  MULTIPOLYGON(((4.49 22.12)))

所以预期的输出是

      0     1
0   3.49    None
1   4.49    22.12

使用命名列后，

df.columns = ['a'+str(i) for i in range(df.shape[1])]

你明白了，

      a0    a1
0   3.49    None
1   4.49    22.12

【讨论】：

【解决方案4】：

Apply 在pandas 中是一个相当慢的方法，因为它基本上是一个循环遍历每一行并应用你的函数。 Pandas 有向量化的方法，我们可以在这里使用str.extract 来提取你的模式：

df['multi'] = df['multi'].str.extract('(\d\.\d+\s\d+\.\d+)')

        multi
0  3.49 11.10
1  4.49 22.12

【讨论】：