python - 在多列上使用 df.apply 的更好方法是什么？

Question

在与 csv 文件编码作斗争之后，我决定进行手动替换一些字符的编码异端。

这是数据框的外观:

df = pd.DataFrame({'a' : 'bÉd encoded',
               'b' : ['foo', 'bar'] * 3,
               'c' : 'bÉd encoded too'})


              a    b                 c
0  bÉd encoded  foo  bÉd encoded too
1  bÉd encoded  bar  bÉd encoded too
2  bÉd encoded  foo  bÉd encoded too
3  bÉd encoded  bar  bÉd encoded too
4  bÉd encoded  foo  bÉd encoded too
5  bÉd encoded  bar  bÉd encoded too

如果我唯一的问题是“a”列，这个函数就足够了:

def force_good_e(row):
    col = row['a']
    if 'É' in col:
        col = col.replace('É','a') 
    return col

df['a'] = df.apply(force_good_e, axis=1)

但是我需要为“c”列提供另一个函数

我对此有所改进:

def force_good_es(row, column):
    col = row[column]
    if 'É' in col:
        col = col.replace('É','a') 
    return col


df['a'] = df.apply(lambda x: force_good_es(x,'a'), axis=1)
df['c'] = df.apply(lambda x: force_good_es(x,'c'), axis=1)

但这让我想知道，是否有更好的方法来做到这一点？

即无需制作一行

df[n] = df.apply(lambda x: force_good_es(x,n), axis=1)

对于需要修复的每个 n 列。

Answer 1

您可以使用str.replace

df['a'] = df['a'].str.replace('É','a')
df['c'] = df['c'].str.replace('É','a')

或者像评论中提到的@wen。

df = df.replace({'É':'a'},regex=True)