主页 / 问题 / 1306651
Accepted
Nevskiy
Asked:2022-07-19 18:14:45 +0000 UTC2022-07-19 18:14:45 +0000 UTC

如何在一列中将每一行中的最后一个字符转换为小写？[关闭]

  • 772

每行中的 COL 列如何将最后一个字符转换为小写？

原始文件

在此处输入图像描述

结果

在此处输入图像描述

我只能弄清楚如何将字符串中的最后一个字符转换为小写。而在 Pandas.Dataframe 中则不是。

str_original = '999A'
    
str_end = str_original.replace(str_original[-1], str_original[-1].lower())

print(str_original)

999a
python

2 个回答

  1. Best Answer
    In [38]: df = pd.DataFrame({"col":["ONE","TWO","THREE"]})

In [39]: df["col"] = df["col"].str[:-1] + df["col"].str[-1].str.lower()

In [40]: df
Out[40]:
     col
0    ONe
1    TWo
2  THREe

    PS 已经多次要求您以可重现的形式在问题中提供示例数据 - （以文本/CSV/Python 代码或文件链接的形式）。阅读为什么它很重要...... ;)

    由 30,000 行组成的 DataFrame 的执行速度比较：

    In [44]: big = pd.concat([df] * 10000, ignore_index=True)

In [45]: big.shape
Out[45]: (30000, 1)

In [49]: %timeit big["res"] = [s[:-1] + s[-1].lower() for s in big["col"]]
9.19 ms ± 95.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [50]: %timeit big['res'] = big['col'].apply(lambda x: x[:-1] + x[-1].lower())
9.41 ms ± 97.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [51]: %timeit big["res"] = big["col"].str[:-1] + big["col"].str[-1].str.lower()
26.9 ms ± 753 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

    300,000 行的 DataFrame 的执行速度比较：

    In [52]: big = pd.concat([df] * 100000, ignore_index=True)

In [53]: big.shape
Out[53]: (300000, 1)

In [54]: %timeit big["res"] = big["col"].str[:-1] + big["col"].str[-1].str.lower()
272 ms ± 7.76 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [55]: %timeit big['res'] = big['col'].apply(lambda x: x[:-1] + x[-1].lower())
106 ms ± 3.72 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [56]: %timeit big["res"] = [s[:-1] + s[-1].lower() for s in big["col"]]
99.5 ms ± 1.24 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

    结论：

    最快的选择原来是list comprehension：

    df["col"] = [s[:-1] + s[-1].lower() for s in df["col"]]
    • 3

  2. 作为一种选择，您本质上可以使用相同apply的lambda解决方案，所以在我看来，它看起来比重复重复更麻烦df['col'].str：

    import pandas as pd

df = pd.DataFrame({"col":["ONE","TWO","THREE"]})
df['col'] = df['col'].apply(lambda x: x[:-1] + x[-1].lower())
df

    虽然如果有很多数据，那么通过向量解法.str当然会效率更高。

    • 2

相关问题