Convertir tout dataframe de minuscules à majuscules avec les Pandas

J'ai un dataframe similaire à celui affiché ci-dessous:

# Create an example dataframe about a fictional army
raw_data = {'regiment': ['Nighthawks', 'Nighthawks', 'Nighthawks', 'Nighthawks'],
            'company': ['1st', '1st', '2nd', '2nd'],
            'deaths': ['kkk', 52, '25', 616],
            'battles': [5, '42', 2, 2],
            'size': ['l', 'll', 'l', 'm']}
df = pd.DataFrame(raw_data, columns = ['regiment', 'company', 'deaths', 'battles', 'size'])

Convertir tout dataframe de minuscules à majuscules avec les Pandas

Mon but est de transformer chaque chaîne à l'intérieur du dataframe de majuscules, de sorte qu'il ressemble à ceci:

Convertir tout dataframe de minuscules à majuscules avec les Pandas

Avis: tous les types de données sont des objets et ne doit pas être modifié; la sortie doit contenir tous les objets. Je veux éviter de transformer chaque colonne un par un... je voudrais le faire en général sur l'ensemble du dataframe peut-être.

Ce que j'ai essayé jusqu'à présent est de faire cela, mais sans succès

df.str.upper()
str ne fonctionne que pour la série...

OriginalL'auteur Federico Gentile | 2016-09-15

  1. 17

    astype() sera de voter pour chaque série à la dtype objet (chaîne de caractères), puis d'appeler la str() méthode sur le convertir en série pour obtenir la chaîne littéralement et appeler la fonction upper() sur elle. Notez qu'après cela, le dtype de toutes les colonnes modifications à l'objet.

    In [17]: df
Out[17]: 
     regiment company deaths battles size
0  Nighthawks     1st    kkk       5    l
1  Nighthawks     1st     52      42   ll
2  Nighthawks     2nd     25       2    l
3  Nighthawks     2nd    616       2    m

In [18]: df.apply(lambda x: x.astype(str).str.upper())
Out[18]: 
     regiment company deaths battles size
0  NIGHTHAWKS     1ST    KKK       5    L
1  NIGHTHAWKS     1ST     52      42   LL
2  NIGHTHAWKS     2ND     25       2    L
3  NIGHTHAWKS     2ND    616       2    M

    Plus tard, vous pourrez convertir les "batailles" de la colonne numériques, de nouveau, à l'aide de to_numeric():

    In [42]: df2 = df.apply(lambda x: x.astype(str).str.upper())

In [43]: df2['battles'] = pd.to_numeric(df2['battles'])

In [44]: df2
Out[44]: 
     regiment company deaths  battles size
0  NIGHTHAWKS     1ST    KKK        5    L
1  NIGHTHAWKS     1ST     52       42   LL
2  NIGHTHAWKS     2ND     25        2    L
3  NIGHTHAWKS     2ND    616        2    M

In [45]: df2.dtypes
Out[45]: 
regiment    object
company     object
deaths      object
battles      int64
size        object
dtype: object
    Cela fonctionne pour la colonne nom aussi?

    OriginalL'auteur Nehal J Wani

  2. 9

    cela peut être résolu par la suite applymap opération:

    df = df.applymap(lambda s:s.lower() if type(s) == str else s)
    Ce qui a le mieux fonctionné pour moi, mais je crois que l'OP voulait toutes les lettres majuscules. J'ai eu à faire str(s).lower() cependant.
    Il devrait fonctionner pour toutes les majuscules si vous remplacez lower avec upper. A très bien fonctionné pour moi!

    OriginalL'auteur VincentQT

  3. 3

    Depuis str ne fonctionne que pour la série, vous pouvez l'appliquer à chaque colonne individuellement puis concaténer:

    In [6]: pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
Out[6]: 
     regiment company deaths battles size
0  NIGHTHAWKS     1ST    KKK       5    L
1  NIGHTHAWKS     1ST     52      42   LL
2  NIGHTHAWKS     2ND     25       2    L
3  NIGHTHAWKS     2ND    616       2    M

    Edit: comparaison des performances

    In [10]: %timeit df.apply(lambda x: x.astype(str).str.upper())
100 loops, best of 3: 3.32 ms per loop

In [11]: %timeit pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
100 loops, best of 3: 3.32 ms per loop

    Les deux réponses aussi sur un petit dataframe. 

    In [15]: df = pd.concat(10000 * [df])

In [16]: %timeit pd.concat([df[col].astype(str).str.upper() for col in df.columns], axis=1)
10 loops, best of 3: 104 ms per loop

In [17]: %timeit df.apply(lambda x: x.astype(str).str.upper())
10 loops, best of 3: 130 ms per loop

    Sur un grand dataframe ma réponse est un peu plus rapide.

    Le changement de nom de colonne en minuscules?
    Non, il ne devrait pas.
    comment puis-je faire je le faire?
    df.columns = df.columns.str.lower()

    OriginalL'auteur IanS

  4. 1

    si vous voulez conserv de dtype utilisation est isinstance(obj,type)

    df.apply(lambda x: x.str.upper().str.strip() if isinstance(x, object) else x)

    OriginalL'auteur Alex Montoya

  5. 0

    essayer cette 

    df2 = df2.apply(lambda x: x.str.upper() if x.dtype == "object" else x)

    OriginalL'auteur Ganesh Bhat