Pelar / recortar todas las cadenas de un marco de datos

Limpiando los valores de un marco de datos de varios tipos en python / pandas, quiero recortar las cadenas. Actualmente lo estoy haciendo en dos instrucciones:

import pandas as pd

df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])

df.replace('^\s+', '', regex=True, inplace=True) #front
df.replace('\s+$', '', regex=True, inplace=True) #end

df.values

Esto es bastante lento, ¿qué podría mejorar?

Puede utilizar DataFrame.select_dtypespara seleccionar stringcolumnas y luego applyfuncionar str.strip.

Aviso: los valores no pueden ser typescomo dictso lists, porque su dtypeses object.

df_obj = df.select_dtypes(['object'])
print (df_obj)
0    a  
1    c  

df[df_obj.columns] = df_obj.apply(lambda x: x.str.strip())
print (df)

   0   1
0  a  10
1  c   5

Pero si solo hay unas pocas columnas, use str.strip:

df[0] = df[0].str.strip()

Tiro de dinero

Aquí hay una versión compacta del uso applymapcon una expresión lambda sencilla para llamar stripsolo cuando el valor es de un tipo de cadena:

df.applymap(lambda x: x.strip() if isinstance(x, str) else x)

Ejemplo completo

Un ejemplo más completo:

import pandas as pd


def trim_all_columns(df):
    """
    Trim whitespace from ends of each value across all series in dataframe
    """
    trim_strings = lambda x: x.strip() if isinstance(x, str) else x
    return df.applymap(trim_strings)


# simple example of trimming whitespace from data elements
df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
df = trim_all_columns(df)
print(df)


>>>
   0   1
0  a  10
1  c   5

Ejemplo de trabajo

Aquí hay un ejemplo de trabajo alojado por trinket: https://trinket.io/python3/e6ab7fb4ab

Puedes probar:

df[0] = df[0].str.strip()

o más específicamente para todas las columnas de cadena

non_numeric_columns = list(set(df.columns)-set(df._get_numeric_data().columns))
df[non_numeric_columns] = df[non_numeric_columns].apply(lambda x : str(x).strip())

Si realmente quieres usar expresiones regulares, entonces

>>> df.replace('(^\s+|\s+$)', '', regex=True, inplace=True)
>>> df
   0   1
0  a  10
1  c   5

Pero debería ser más rápido hacerlo así:

>>> df[0] = df[0].str.strip()

Puede utilizar la applyfunción del Seriesobjeto:

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df[0][0]
'  a  '
>>> df[0] = df[0].apply(lambda x: x.strip())
>>> df[0][0]
'a'

Tenga en cuenta el uso de stripy no regexcuál es mucho más rápido

Otra opción: use la applyfunción del objeto DataFrame:

>>> df = pd.DataFrame([['  a  ', 10], ['  c  ', 5]])
>>> df.apply(lambda x: x.apply(lambda y: y.strip() if type(y) == type('') else y), axis=0)

   0   1
0  a  10
1  c   5

def trim(x):
    if x.dtype == object:
        x = x.str.split(' ').str[0]
    return(x)

df = df.apply(trim)