python - mapa - extraer poligonos de un shape arcgis

Despojar/recortar todas las cadenas de un marco de datos

Question

Limpiando los valores de un marco de datos multitipo en python / pandas, quiero recortar las cadenas. Actualmente lo estoy haciendo en dos instrucciones:

import pandas as pd

df = pd.DataFrame([[''  a  '', 10], [''  c  '', 5]])

df.replace(''^/s+'', '''', regex=True, inplace=True) #front
df.replace(''/s+$'', '''', regex=True, inplace=True) #end

df.values

Esto es bastante lento, ¿qué podría mejorar?

Answer 1

Toma de dinero

Aquí hay una versión compacta del uso de applymap con una expresión lambda directa para llamar a strip solo cuando el valor es de un tipo de cadena:

df.applymap(lambda x: x.strip() if type(x) is str else x)

Ejemplo completo

Un ejemplo más completo:

import pandas as pd


def trimAllColumns(df):
    """
    Trim whitespace from ends of each value across all series in dataframe
    """
    trimStrings = lambda x: x.strip() if type(x) is str else x
    return df.applymap(trimStrings)


# simple example of trimming whitespace from data elements
df = pd.DataFrame([[''  a  '', 10], [''  c  '', 5]])
df = trimAllColumns(df)
print(df)


>>>
   0   1
0  a  10
1  c   5

Ejemplo de trabajo

Aquí hay un ejemplo de trabajo alojado por Trinket: https://trinket.io/python3/65078f3cdf

Answer 2

Puede usar DataFrame.select_dtypes para seleccionar columnas de string y luego apply función str.strip .

Aviso: Los valores no pueden ser types como los dicts o las lists , porque sus dtypes son object .

df_obj = df.select_dtypes([''object''])
print (df_obj)
0    a  
1    c  

df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
print (df)

   0   1
0  a  10
1  c   5

Pero si solo hay unas pocas columnas usa str.strip :

df[0] = df[0].str.strip()

Answer 3

Puede utilizar la función de aplicación del objeto Series :

>>> df = pd.DataFrame([[''  a  '', 10], [''  c  '', 5]])
>>> df[0][0]
''  a  ''
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
''a''

Tenga en cuenta el uso de la strip y no el regex que es mucho más rápido

Otra opción: use la función de aplicación del objeto DataFrame:

>>> df = pd.DataFrame([[''  a  '', 10], [''  c  '', 5]])
>>> df.apply(lambda x: x.apply(lambda y: y.strip() if type(y) == type('''') else y), axis=0)

   0   1
0  a  10
1  c   5

Answer 4

Puedes probar:

df[0] = df[0].str.strip()

o más específicamente para todas las columnas de cadena

non_numeric_columns = list(set(df.columns)-set(df._get_numeric_data().columns))
df[non_numeric_columns] = df[non_numeric_columns].apply(lambda x : str(x).strip())

Answer 5

Si realmente quieres usar expresiones regulares, entonces

>>> df.replace(''(^/s+|/s+$)'', '''', regex=True, inplace=True)
>>> df
   0   1
0  a  10
1  c   5

Pero debería ser más rápido hacerlo así:

>>> df[0] = df[0].str.strip()

Answer 6

def trim(x):
    if x.dtype == object:
        x = x.str.split('' '').str[0]
    return(x)

df = df.apply(trim)