Python 如何从熊猫数据框中删除方括号
声明：本页面是StackOverFlow热门问题的中英对照翻译，遵循CC BY-SA 4.0协议，如果您需要使用它，必须同样遵循CC BY-SA许可，注明原文地址和作者信息，同时你必须将它归于原作者（不是我）：StackOverFlow
原文地址: http://stackoverflow.com/questions/38147447/
Warning: these are provided under cc-by-sa 4.0 license. You are free to use/share it, But you must attribute it to the original authors (not me):
StackOverFlow
How to remove square bracket from pandas dataframe
提问by DougKruger
I came up with values in square bracket(more like a list) after applying str.findall()to column of a pandas dataframe. How can I remove the square bracket ?
list在应用于str.findall()熊猫数据框的列后，我想出了方括号中的值（更像是 a ）。如何删除方括号？
print df
id value
1 [63]
2 [65]
3 [64]
4 [53]
5 [13]
6 [34]
回答by jezrael
If values in column valuehave type list, use:
如果列中的值value具有 type list，请使用：
df['value'] = df['value'].str[0]
Or:
或者：
df['value'] = df['value'].str.get(0)
Docs.
文档。
Sample:
样本：
df = pd.DataFrame({'value':[[63],[65],[64]]})
print (df)
value
0 [63]
1 [65]
2 [64]
#check type if index 0 exist
print (type(df.loc[0, 'value']))
<class 'list'>
#check type generally, index can be `DatetimeIndex`, `FloatIndex`...
print (type(df.loc[df.index[0], 'value']))
<class 'list'>
df['value'] = df['value'].str.get(0)
print (df)
value
0 63
1 65
2 64
If stringsuse str.stripand then convert to numeric by astype:
如果strings使用str.strip然后通过astype以下方式转换为数字：
df['value'] = df['value'].str.strip('[]').astype(int)
Sample:
样本：
df = pd.DataFrame({'value':['[63]','[65]','[64]']})
print (df)
value
0 [63]
1 [65]
2 [64]
#check type if index 0 exist
print (type(df.loc[0, 'value']))
<class 'str'>
#check type generally, index can be `DatetimeIndex`, `FloatIndex`...
print (type(df.loc[df.index[0], 'value']))
<class 'str'>
df['value'] = df['value'].str.strip('[]').astype(int)
print (df)
value
0 63
1 65
2 64
回答by qaiser
if string we can also use string.replace method
如果字符串我们也可以使用 string.replace 方法
import pandas as pd
df =pd.DataFrame({'value':['[63]','[65]','[64]']})
print(df)
value
0 [63]
1 [65]
2 [64]
df['value'] = df['value'].apply(lambda x: x.replace('[','').replace(']',''))
#convert the string columns to int
df['value'] = df['value'].astype(int)
#output
print(df)
value
0 63
1 65
2 64
print(df.dtypes)
value int32
dtype: object
