问题与熊猫

Question

串清理我有一个熊猫列包含在引号，括号或没有包围的话行，像这样：

"cxxx" 
[asdfasd] 
asdfasdf 
[asdf] 
"asdf" 

我的问题是，下面的代码被剥头以及没有引号或括号的元素中的最后一个字符，我不知道为什么。

def keyword_cleanup(x): 
    if "\"" or "[" in x: 
     return x[1:-1] 
    else: 
     return x 


csv["Keyword"] = csv["Keyword"].apply(keyword_cleanup) 

Answer 1

if "\"" or "[" in x: 

应该

if "\"" in x or "[" in x: # x must contain a left bracket or double-quote. 

或

if x.startswith(('"', '[')): # x must start with a left-braket or double-quote 

因为Python解析前者为

if ("\"") or ("[" in x): 

由于in运营商绑定比or更紧密。 （见Python operator precedence）

由于任何非空的字符串，如"\""已经布尔真值True，该if-statement的条件总是真，这就是为什么 keyword_cleanup总返回x[1:-1]。

---

但是，还要注意熊猫有string operators builtin。使用它们将比使用apply为Series中的每个项目调用自定义Python函数要快得多。

In [136]: s = pd.Series(['"cxxx"', '[asdfasd]', 'asdfasdf', '[asdf]', '"asdf"']) 

In [137]: s.str.replace(r'^["[](.*)[]"]$', r'\1') 
Out[137]: 
0  cxxx 
1  asdfasd 
2 asdfasdf 
3  asdf 
4  asdf 
dtype: object 

如果你想要去除从每个串的两端都括号或双引号，你也可以使用

In [144]: s.str.strip('["]') 
Out[144]: 
0  cxxx 
1  asdfasd 
2 asdfasdf 
3  asdf 
4  asdf 
dtype: object