Как заменить часть строки в pandas.Dataframe?

Question

Я пытаюсь заменить часть всех строк в pd.Dataframe, но это не работает.

Мой пример данных:

HLAA0101    
HLAA0201    
HLAA0202    
HLAA0203    
HLAA0205 

Что я пытаюсь получить:

A0101    
A0201    
A0202    
A0203    
A0205 

Мой код:

 mhc = train_csv.mhc

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

 print(mhc)

Но это не работает.

Answer 1

Попробуйте str.replace.(Документация здесь: https://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.str.replace.html)

Кроме того, в вашем коде он вставляет пробел вместо замененных строк. Если вы хотите, это нормально, в противном случае удалите пробел.;)

Answer 2

Опция 1:

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

Опция 2:

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

Опция 3:

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

Опция 4: (ПРИМЕЧАНИЕ: иногда понимание списка работает быстрее, чем внутренние векторизованные методы для типов строк / объектов)

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

Все опции дают одинаковый результат:

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

Время для 50 000 строк 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)

Вывод: выигран подход к пониманию списка.

Answer 3

Использование -

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

ИЛИ -

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