是否有任何解决方案从用逗号分隔的列的多个值中删除第0值？

Question

我希望使用循环将单词DISCONTINUED从列中删除，并对模型进行训练以供进一步使用。我试过的密码：

# 1.

for i in  df['DESCRIPTION'][0]:
       if i[0]== 'DISCONTINUED':
           df.i[0].pop(0)

# 2.

for item in df['DESCRIPTION']:
       if str(item)[0]=='DISCONTINUED':
           df.remove(item[0])

注意：df是dataset名称，DESCRIPTION是列名。该列具有dtype object。我曾试图将其转换为str，但没有奏效。

列描述中的值是：

data = {'DESCRIPTION': 
        ['ANDREW, 245173, 1/2-1/2 COLD SHRINK KIT, CEQ.24038',
         'COMMSCOPE, 245174, 1/2, 3/8 COLDSRINK WTHRPRFNG KIT, CEQ.24753',
         'DISCONTINUED, COMMSCOPE, 252107, LACE UP I-LINE HOISTING GRIP FOR 1/2 CABLES',
         'COMMSCOPE, 252110, LACE UP HOISTING GRIP FOR 1-1/4 COAX & EW63/64 WAVEGUIDE',
         'ANDREW, 252111, 1-5/8 HOISTING GRIP, LACE UP']}

我想从包含多个值的列中删除DISCONTINUED，其中用逗号分隔。

Answer 1

您的初始方法失败，部分原因是您将df.DESCRIPTION中的值视为包含字符串的列表，而不是简单的字符串。例如：

print(type(df['DESCRIPTION'][0]))
<class 'str'>

在这种情况下，您可以使用Series.replace：

数据

import pandas as pd

# just adding some extra `DISCONTINUED` in `3, 4`
data = {'DESCRIPTION': ['ANDREW, 245173, 1/2-1/2 COLD SHRINK KIT, CEQ.24038',
                        'COMMSCOPE, 245174, 1/2, 3/8 COLDSRINK WTHRPRFNG KIT, CEQ.24753',
                        'DISCONTINUED, COMMSCOPE, 252107, LACE UP I-LINE HOISTING GRIP FOR 1/2 CABLES',
                        'COMMSCOPE, 252110, DISCONTINUED, LACE UP HOISTING GRIP FOR 1-1/4 COAX & EW63/64 WAVEGUIDE',
                        'ANDREW, 252111, 1-5/8 HOISTING GRIP, LACE UP, DISCONTINUED']}
df = pd.DataFrame(data)

print(df)

                                                                                 DESCRIPTION
0                                         ANDREW, 245173, 1/2-1/2 COLD SHRINK KIT, CEQ.24038
1                             COMMSCOPE, 245174, 1/2, 3/8 COLDSRINK WTHRPRFNG KIT, CEQ.24753
2               DISCONTINUED, COMMSCOPE, 252107, LACE UP I-LINE HOISTING GRIP FOR 1/2 CABLES
3  COMMSCOPE, 252110, DISCONTINUED, LACE UP HOISTING GRIP FOR 1-1/4 COAX & EW63/64 WAVEGUIDE
4                                 ANDREW, 252111, 1-5/8 HOISTING GRIP, LACE UP, DISCONTINUED

# So, we have `DISCONTINUED` in `2` (at start), in `3` (third "elem"), and `4` (at end).

码

df.DESCRIPTION = df.DESCRIPTION.replace(r',?\s?DISCONTINUED,?\s?','', regex=True)

print(df)
                                                                 DESCRIPTION
0                         ANDREW, 245173, 1/2-1/2 COLD SHRINK KIT, CEQ.24038
1             COMMSCOPE, 245174, 1/2, 3/8 COLDSRINK WTHRPRFNG KIT, CEQ.24753
2             COMMSCOPE, 252107, LACE UP I-LINE HOISTING GRIP FOR 1/2 CABLES
3  COMMSCOPE, 252110LACE UP HOISTING GRIP FOR 1-1/4 COAX & EW63/64 WAVEGUIDE
4                               ANDREW, 252111, 1-5/8 HOISTING GRIP, LACE UP

解释正则表达式,?\s?DISCONTINUED,?\s?

• ?匹配在0到1次之间的前一个令牌。例如，我们将它用于DISCONTINUED.

之前和/或之后的潜在逗号(,)和空格(\s)

替代方法可以是：

df.DESCRIPTION = df.DESCRIPTION.apply(lambda row: ', '.join(
    [c for c in row.split(', ') if c != 'DISCONTINUED']))

Answer 2

如果您的数据集是一个矩阵，其中第一列可能包含停止一词，那么它可能应该如下所示：

for row in df['DESCRIPTION']:
    if row[0] == 'DISCONTINUED'
        df.remove(row[0])

您尝试过的代码的问题是#1只迭代df的第一行，#2只检查str(item)创建的字符串的第一个字符，因此它永远不会等于终止。将str(item)更改为str(item)也可以，但如果它已经是一个字符串，则没有理由将其“重新转换”为字符串。