Python：去掉剩下的单词，只保留第一个单词

Question

我有一个包含重复字符串列的数据框。我想取第一个单词并从我拥有的所有行中删除其余单词。我使用了 unique 方法，因为它返回所有唯一值，并且我只查找行中第一次出现的单词。代码：import pandas as pdimport numpy as npimport redf=pd.read_csv("file name")new_data=df['Category'].unique()changed_data=df['Category'].str.replace('[^a-zA-Z]+', '')这就是我所做的一切，对此的任何帮助都会很棒。

Answer 1

您可以split通过索引drop_duplicates删除重复项来使用和选择列表的第一个值：

changed_data=df['Category'].drop_duplicates().str.split().str[0]

也可以仅按第一个空格拆分：

changed_data=df['Category'].drop_duplicates().str.split(n=1).str[0]

如果性能很重要并且没有NaNs 值：

changed_data= pd.Series([x.split()[0] for x in df['Category'].drop_duplicates(), 

                         index=df.index)

样品：

df = pd.DataFrame({'Category':['some way','nice', 'yop yop m', 

                               'be happy', 'nice', 'yop man']})

print (df)

    Category

0   some way

1       nice

2  yop yop m

3   be happy

4       nice

5    yop man

首先删除重复项，然后获取第一个单词：

changed_data=df['Category'].drop_duplicates().str.split().str[0]

print (changed_data)

0    some

1    nice

2     yop

3      be

5     yop

Name: Category, dtype: object

或者先获取第一个单词，然后删除重复项：

changed_data=df['Category'].str.split().str[0].drop_duplicates()

print (changed_data)

0    some

1    nice

2     yop

3      be

Name: Category, dtype: object