为什么当我改变它们时，我的熊猫数据框没有更新它的值？

Question

我试图对我的Series对象'tweet_text'中的每个字符串进行更改，但由于某些原因，在对for循环中的推文进行更改后打印系列对象时，我得到的字符串与之前的for循环。我怎样才能解决这个问题？

import pandas as pd 
import re 
import string 

df = pd.read_csv('sample-tweets.csv', 
       names=['Tweet_Date', 'User_ID', 'Tweet_Text', 'Favorites', 'Retweets', 'Tweet_ID']) 

sum_df = df[['User_ID', 'Tweet_ID', 'Tweet_Text']].copy() 
sum_df.set_index(['User_ID']) 
# print sum_df 

tweet_text = df.ix[:, 2] 
print type(tweet_text) 

# efficiency could be im proved by using translate method 
# regex = re.compile('[%s]' % re.escape(string.punctuation)) 

for tweet in tweet_text: 
    tweet = re.sub('https://t.co/[a-zA-Z0-9]*', "", tweet) 
    tweet = re.sub('@[a-zA-Z0-9]*', '', tweet) 
    tweet = re.sub('#[a-zA-Z0-9]*', '', tweet) 
    tweet = re.sub('$[a-zA-Z0-9]*', '', tweet) 
    tweet = ''.join(i for i in tweet if not i.isdigit()) 
    tweet = tweet.replace('"', '') 
    tweet = re.sub(r'[\(\[].*?[\)\]]', '', tweet) # takes out everything between parentheses also, fix this 

    # gets rid of all punctuation and emoji's 
    tweet = "".join(l for l in tweet if l not in string.punctuation) 
    tweet = re.sub(r'[^\x00-\x7F]+',' ', tweet) 

    # gets ride of all extra spacing 
    tweet = tweet.lower() 
    tweet = tweet.strip() 
    tweet = " ".join(tweet.split()) 

    count = count + 1 
    # print tweet 

print tweet_text 

Answer 1

Python字符串是不可变的。您只需更改归因于变量tweet的值，但绝不会实际更新数据帧。

您只需将更新后的值重新插入数据框。一个简单的修复的例子：

for i, tweet in enumerate(tweet_text): 
    tweet = re.sub('https://t.co/[a-zA-Z0-9]*', "", tweet) 
    tweet = re.sub('@[a-zA-Z0-9]*', '', tweet) 

    # ... 

    # update dataframe 
    df.ix[i, 2] = tweet 

Answer 2

它正在发生一样，因为tweet_text是对于初学者列df.ix[:, 2]的副本。其次，这不是熊猫的方式来重复Series - 你应该使用apply()。

更新代码，即进入循环的一切，变成功能：

def parse_tweet(tweet): 
    ## everything from loop goes here 
    return tweet 

然后，而不是：

tweet_text = df.ix[:, 2] 

做：

df.iloc[:, 2] = df.iloc[:, 2].apply(parse_tweet) 

BTW，请勿使用ix索引器，因为它已折旧并将在未来版本的熊猫中删除。