如何在Pandas DataFrame中删除空格后的所有内容

嘿，我来帮你搞定这个批量处理的需求！你现在能处理单个列，但其实Pandas里有个专门的方法可以一次性处理整个DataFrame的所有单元格——applymap()，正好适合你的场景。

核心思路 #

我们需要对每个单元格的字符串执行“找到第一个空格，截断并保留空格前内容”的操作，applymap()会遍历DataFrame的每一个元素，把处理逻辑应用到所有单元格上，不用逐个列去写重复代码。

完整代码示例 #

import pandas as pd

# 你的示例DataFrame
d = {'Australia' : pd.Series([0,'1980 (F)\n\n1957 (T)\n\n',1991], index=['Australia', 'Belgium', 'France']),
     'Belgium' : pd.Series([1980,0,1992], index=['Australia','Belgium', 'France']),
     'France' : pd.Series([1991,1992,0], index=['Australia','Belgium', 'France'])}
df = pd.DataFrame(d, dtype='str')

# 定义处理函数：删除第一个空格后的所有内容
def truncate_after_space(s):
    # 先确保元素是字符串类型，避免非字符串值报错
    s = str(s)
    # 找到第一个空格的位置
    space_pos = s.find(' ')
    # 存在空格就截断，否则返回原内容
    return s[:space_pos] if space_pos != -1 else s

# 批量应用到整个DataFrame
df_processed = df.applymap(truncate_after_space)

# 查看处理后的结果
print(df_processed)

更简洁的Lambda写法 #

如果你喜欢更紧凑的代码，可以用lambda表达式替代自定义函数，效果完全一样：

df_processed = df.applymap(lambda x: str(x).split(' ', 1)[0])

这里split(' ', 1)会把字符串按第一个空格分割成两部分，取索引为0的部分就是我们需要的内容；如果字符串里没有空格，split()只会返回一个元素，取索引0也不会报错。

处理后的结果示例 #

运行代码后，原DataFrame中Belgium行的Australia列值'1980 (F)\n\n1957 (T)\n\n'会被处理成'1980'，其他无空格的单元格则保持原样，完美实现批量处理的目标。

内容的提问来源于stack exchange，提问作者Tox