Pandas移除字符串http/https前缀不生效及报错问题排查

• 第一种lstrip方法错误：lstrip参数传入的是字符集合而非完整匹配字符串，只要字符串开头的字符在传入的'http://'字符集合内（包括h、t、p、:、/）都会被移除，所以会误删不带前缀的域名首字符。
• 第二种Series.replace方法错误：该方法默认是全值匹配，只有整行内容完全等于http://才会被替换，同时参数格式错误，多值替换需传入字典{'http://':'', 'https://':''}，且要指定regex=True才能做子串匹配。
• 第三种str.replace方法错误：str.replace的入参要求是(pattern, repl, ...)，你将两个参数打包为元组传入第一个位置，导致缺少第二个替换值参数，触发报错。
• 第四种lsplit方法错误：不带http/https前缀的域名不存在//字符，拆分后只有1个元素，取索引为1的元素自然返回NaN。

推荐使用正则匹配开头的前缀做替换，性能好且写法简洁：

full_list['domains'] = full_list['domains'].str.replace(r'^https?://', '', regex=True)

如果不想使用正则，可以用lambda做分支判断：

full_list['domains'] = full_list['domains'].apply(lambda x: x.split('//', 1)[1] if '//' in x else x)

内容的提问来源于stack exchange，提问作者NPD