对于熊猫数据帧中的列,我想删除紧跟"gb"或"mb"的任何数字,或者中间有一个空格,因为它是完整的。 即删除诸如"500 gb"和"500mb"之类的字符串。
Column_To_Fix
0 coolblue 100gb
1 connector 500 mb for thing
2 5gb for user
3 load 800 mb
4 1000 add-on
5 20 gb
下面的函数仅适用于第 0 行和第 2 行,不确定如何添加模式的空间要求:
pat = '(^|s)d+(gb|mb)($|s)'
df['Column_To_Fix'].str.lower().replace(pat, ' ', regex=True)
期望输出:
Column_To_Fix
0 coolblue
1 connector for thing
2 for user
3 load
4 1000 add-on
5
试试这个模式
pat = 'd+ *(gb|mb)'
df['Column_To_Fix'].str.lower().str.replace(pat, ' ')
Out[462]:
0 coolblue
1 connector for thing
2 for user
3 load
4 1000 add-on
5
Name: Column_To_Fix, dtype: object
如果你喜欢series.replace
df['Column_To_Fix'].str.lower().replace(pat, ' ', regex=True)
我假设文本是(没有行号(:
coolblue 100gb
connector 500 mb for thing
5gb for user
load 800 mb
1000 add-on
20 gb
并且期望的结果(保持适当的对齐和间距(是:
coolblue
connector for thing
for user
load
1000 add-on
最后一行为空字符串。这可以通过将以下正则表达式的匹配项替换为空字符串(使用re.sub
(来实现。
r'(?:^d+ ?[gm]b | d+ ?[gm]b(?= |$))'
演示