如何在pandas.Dataframe中替换字符串的一部分？

Question

我正在尝试替换中所有字符串的一部分pd.数据帧，但它不起作用。你知道吗

我的数据示例：

HLAA0101    
HLAA0201    
HLAA0202    
HLAA0203    
HLAA0205 

我想要得到什么：

A0101    
A0201    
A0202    
A0203    
A0205 

我的代码：

 mhc = train_csv.mhc

 for i in mhc:
   i[0:2].replace('HLA', ' ')

 print(mhc)

但它不起作用。你知道吗

Answer 1

选项1:

df['mhc'] = df['mhc'].str[3:]

选项2:

df['mhc'] = df['mhc'].str.replace(r'^HLA','')

选项3:

df['mhc'] = df['mhc'].str.extract(r'HLA(.*)', expand=False)

选项4:（注意：有时列表理解比字符串/对象数据类型的内部矢量化方法工作得更快）

df['mhc'] = [s[3:] for s in df['mhc']]

所有选项产生相同的结果：

In [26]: df
Out[26]:
     mhc
0  A0101
1  A0201
2  A0202
3  A0203
4  A0205

50000行数据框的计时：

In [29]: df = pd.concat([df] * 10**4, ignore_index=True)

In [30]: %timeit df['mhc'].str[3:]
35.9 ms ± 3.18 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [31]: %timeit df['mhc'].str.replace(r'^HLA','')
162 ms ± 3.04 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [32]: %timeit df['mhc'].str.extract(r'HLA(.*)', expand=False)
164 ms ± 4.87 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [33]: %timeit [s[3:] for s in df['mhc']]
14.6 ms ± 18.6 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [34]: df.shape
Out[34]: (50000, 1)

结论：列表理解法获胜。你知道吗

Answer 2

试试str.replace。 （此处为文档：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.replace.html）

另外，在代码中，它会插入一个空格，而不是替换的字符串。如果你想要的话，没关系，否则就删除空格。；）

Answer 3

使用-

mhc = mhc.str.replace('HLA', ' ')

或者-

train_csv['mhc'] = train_csv['mhc'].str.replace('HLA', '') # One liner directly from df