0
546
Views¿Cómo reemplazar el espacio en blanco en una cadena en un marco de datos de pandas?
Supongamos que tengo un marco de datos de pandas como este:
Person_1 Person_2 Person_3 0 John Smith Jane Smith Mark Smith 1 Harry Jones Mary Jones Susan JonesForma reproducible:
df = pd.DataFrame([['John Smith', 'Jane Smith', 'Mark Smith'], ['Harry Jones', 'Mary Jones', 'Susan Jones'], columns=['Person_1', 'Person_2', 'Person_3'])¿Cuál es la mejor manera de reemplazar el espacio en blanco entre el nombre y el apellido en cada nombre con un guión bajo _ para obtener:
Person_1 Person_2 Person_3 0 John_Smith Jane_Smith Mark_Smith 1 Harry_Jones Mary_Jones Susan_Jones¡Gracias de antemano!
3 answers
Answer question0
Creo que también podría optar por DataFrame.replace .
df.replace(' ', '_', regex=True)Salidas
Person_1 Person_2 Person_3 0 John_Smith Jane_Smith Mark_Smith 1 Harry_Jones Mary_Jones Susan_Jones A partir de una evaluación comparativa aproximada, parece predecible que la solución NumPy de piRSquared es de hecho la más rápida, al menos para esta pequeña muestra, seguida de DataFrame.replace .
%timeit df.values[:] = np.core.defchararray.replace(df.values.astype(str), ' ', '_') 10000 loops, best of 3: 78.4 µs per loop %timeit df.replace(' ', '_', regex=True) 1000 loops, best of 3: 932 µs per loop %timeit df.stack().str.replace(' ', '_').unstack() 100 loops, best of 3: 2.29 ms per loop Curiosamente , sin embargo, parece que la solución Pandas de piRSquared escala mucho mejor con marcos de datos más grandes que DataFrame.replace , e incluso supera a la solución NumPy.
>>> df = pd.DataFrame([['John Smith', 'Jane Smith', 'Mark Smith']*10000, ['Harry Jones', 'Mary Jones', 'Susan Jones']*10000]) %timeit df.values[:] = np.core.defchararray.replace(df.values.astype(str), ' ', '_') 10 loops, best of 3: 181 ms per loop %timeit df.replace(' ', '_', regex=True) 1 loop, best of 3: 4.14 s per loop %timeit df.stack().str.replace(' ', '_').unstack() 10 loops, best of 3: 99.2 ms per loop0
Use el método de replace del marco de datos:
df.replace('\s+', '_',regex=True,inplace=True)0
pandas
stack / unstack con str.replace
df.stack().str.replace(' ', '_').unstack() Person_1 Person_2 Person_3 0 John_Smith Jane_Smith Mark_Smith 1 Harry_Jones Mary_Jones Susan_Jones numpy
pd.DataFrame( np.core.defchararray.replace(df.values.astype(str), ' ', '_'), df.index, df.columns) Person_1 Person_2 Person_3 0 John_Smith Jane_Smith Mark_Smith 1 Harry_Jones Mary_Jones Susan_Jones prueba de tiempo
