删除或替换列名中的空格

Question

如何将数据框列名中的空格替换为"_"？

['join_date' 'fiscal_quarter' 'fiscal_year' 'primary_channel'
 'secondary_channel' 'customer_count' 'new_members' 'revisit_next_day'
 'revisit_14_day' 'demand_1yr' 'revisit_next_day_rate'
 'revisit_14_day_rate' 'demand_1yr_per_new_member' u'ch_Ad Network'
 u'ch_Affiliate' u'ch_Branded SEM' u'ch_DSP' u'ch_Daily Email'
 u'ch_Daily Messaging' u'ch_Direct' u'ch_Direct Publisher' u'ch_Email'
 u'ch_Feeds' u'ch_Native' u'ch_Non-Branded SEM' u'ch_Organic Search'
 u'ch_Paid Social' u'ch_Site' u'ch_Special Email' u'ch_Television'
 u'ch_Trigger Email' u'ch_UNMAPPED' u'ch_Unpaid Social' u'quarter_Q2'
 u'quarter_Q3' u'quarter_Q4']

- SAM244776

Answer 1

• 去除空格:

1. 要 全局 去除空格:

df.columns = df.columns.str.replace(' ', '')

2. 删除字符串开头的空格：

df.columns = df.columns.str.lstrip()

3. 删除字符串末尾的空格：

df.columns = df.columns.str.rstrip()

去除两端的空格：

df.columns = df.columns.str.strip()

• 用其他字符替换空格（例如下划线）：

5. 无论何处都要替换空格。

df.columns = df.columns.str.replace(' ', '_')

6. 替换字符串开头处的空格：

df.columns = df.columns.str.replace('^ +', '_')

替换末尾处的空格：

df.columns = df.columns.str.replace(' +$', '_')

8. 替换两端的空格：

df.columns = df.columns.str.replace('^ +| +$', '_')

---

以上所有内容也适用于特定的列，假设你有一个名为col的列，那么只需执行以下操作：

---

df[col] = df[col].str.strip()  # or .replace as above

---

命令可以链接在一起

df.columns = df.columns.str.strip().str.replace(' ', '_')

- Psidom

Answer 2

Python字符串方法非常快速并且可以在列表推导式中使用，用于修复列名：

# replace white spaces by underscores
df.columns = [c.replace(' ', '_') for c in df]

# strip leading white spaces
df.columns = [c.lstrip() for c in df]

# strip trailing white spaces
df.columns = [c.rstrip() for c in df]

# replace leading white spaces by underscores
df.columns = ['_' + c.lstrip() for c in df]

或者使用map和strip方法：

# strip leading white spaces
df.columns = list(map(str.lstrip, df))

---

由于pandas的向量化字符串方法（pandas.Index.str和pandas.Series.str）未经过优化，因此在推荐使用Python字符串方法进行推导时，尤其是在需要链接它们时，通常更快。

例如，对于100k列名称，如果您需要将3种方法链接在一起，则Python字符串方法比等效的pandas方法快2-5倍。

n = 100_000
df = pd.DataFrame([range(n)], columns=[f" {i} {j} " for i,j in zip(range(n), range(n, 0, -1))])

%timeit df.set_axis(df.columns.str.replace('^ +', 'S', regex=True).str.replace(' +$', 'E', regex=True).str.replace(' ', '_'), axis=1)
# 331 ms ± 2.21 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df.set_axis('S' + df.columns.str.strip().str.replace(' ', '_') + 'E', axis=1)
# 118 ms ± 3.66 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit df.set_axis(['S' + c.strip().replace(' ', '_') + 'E' for c in df], axis=1)
# 68 ms ± 5.09 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

- cottontail