在将数据拆分为列时,出现了一些小故障,因此我得到了一些嘈杂的数据。
site code
--- ---
0 apple_123 45
1 apple_456 xy_33
2 facebook_123 24
3 google_123 NaN
4 google_123 pq_51
我需要清理数据,这样我得到以下结果:
site code
--- ---
0 apple_123 45
1 apple_456_xy 33
2 facebook_123 24
3 google_123 NaN
4 google_123_pq 51
我已经能够获得需要修改的行,但无法进一步进行:
import numpy as np
import pandas as pd
site = ['apple_123','apple_456','facebook_123','google_123','google_123']
code = [45,'xy_33',24,np.nan,'pq_51']
df = pd.DataFrame(list(zip(site,code)), columns=['site','code'])
df[(~df.code.astype(str).str.isdigit())&(~df.code.isna())]
使用Series.str.extract
将非数值和数值获取到辅助DataFrame
,然后分别处理每一列-通过Series.str.strip
删除_
,通过Series.radd
从右侧添加并将丢失的值转换为emty字符串,最后添加到code
列,第二次使用Series.fillna
将未处理的值从1
列替换为原始值:
df1 = df.code.str.extract('(D+)(d+)')
df['site'] += df1[0].str.strip('_').radd('_').fillna('')
df['code'] = df1[1].fillna(df['code'])
print (df)
site code
0 apple_123 45
1 apple_456_xy 33
2 facebook_123 24
3 google_123 NaN
4 google_123_pq 51