在熊猫中截断列宽

Question

我正在将大型 csv 文件读入 pandas，其中一些带有数千个字符的字符串列。有什么快速的方法来限制一列的宽度，即只保留前 100 个字符？

Answer 1

如果你可以将整个东西读入内存，你可以使用str方法进行向量运算：

>>> df = pd.read_csv("toolong.csv")
>>> df
   a                       b  c
0  1  1256378916212378918293  2

[1 rows x 3 columns]
>>> df["b"] = df["b"].str[:10]
>>> df
   a           b  c
0  1  1256378916  2

[1 rows x 3 columns]

另请注意，您可以使用以下方法获得具有长度的系列

>>> df["b"].str.len()
0    10
Name: b, dtype: int64

我本来想知道是不是

>>> pd.read_csv("toolong.csv", converters={"b": lambda x: x[:5]})
   a      b  c
0  1  12563  2

[1 rows x 3 columns]

会更好，但我实际上不知道转换器是逐行调用还是在整列之后调用。