pythonforin替换字符_如何在pandas.Dataframe中替换字符串的一部分？

我试图替换pd.Dataframe中所有字符串的一部分,但它不起作用.

我的数据示例：

HLAA0101

HLAA0201

HLAA0202

HLAA0203

HLAA0205

我想要获得什么：

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.

最佳答案 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dtypes的内部向量化方法更快)

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

所有选项都会产生相同的结果：

In [26]: df

Out[26]:

mhc

0 A0101

1 A0201

2 A0202

3 A0203

4 A0205

时间为50.000行DF：

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：列表理解方法获胜.