如何从熊猫数据框中的字符串项中删除数字

Posted 2023-03-12

【中文标题】如何从熊猫数据框中的字符串项中删除数字

【英文标题】：How to remove numbers from string terms in a pandas dataframe

【发布时间】：2017-06-02 19:43:49

【问题描述】：

我有一个类似于下面的数据框：

Name    Volume  Value
May21   23      21321
James   12      12311
Adi22   11      4435
Hello   34      32454
Girl90  56      654654

我希望输出格式为：

Name    Volume  Value
May     23      21321
James   12      12311
Adi     11      4435
Hello   34      32454
Girl    56      654654

想要从名称列中删除所有数字。

我最接近的是在 cell 级别使用以下代码进行操作：

result = ''.join([i for i in df['Name'][1] if not i.isdigit()])

知道如何在 series/dataframe 级别以更好的方式做到这一点。

【参考方案1】：

您可以结合正则表达式将str.replace 应用于Name 列：

import pandas as pd

# Example DataFrame
df = pd.DataFrame.from_dict('Name'  : ['May21', 'James', 'Adi22', 'Hello', 'Girl90'],
                             'Volume': [23, 12, 11, 34, 56],
                             'Value' : [21321, 12311, 4435, 32454, 654654])

df['Name'] = df['Name'].str.replace('\d+', '')

print(df)

输出：

    Name   Value  Volume
0    May   21321      23
1  James   12311      12
2    Adi    4435      11
3  Hello   32454      34
4   Girl  654654      56

在正则表达式中，\d 代表“任意数字”，+ 代表“一个或多个”。

因此，str.replace('\d+', '') 的意思是：“将字符串中所有出现的数字替换为空”。

【参考方案2】：

你可以这样做：

df.Name = df.Name.str.replace('\d+', '')

要玩和探索，请在此处查看在线正则表达式演示：https://regex101.com/r/Y6gJny/2

\d+ 模式匹配的任何内容，即 1 个或多个数字，都将替换为空字符串。

【参考方案3】：

虽然这个问题听起来更笼统，但示例输入仅包含 尾随 数字。在这种情况下，您不必使用正则表达式，因为.rstrip（也可用via the .str accessor of Series objects）可以做到这一点：

import string
df['Name'] = df['Name'].str.rstrip(string.digits)

同样，您可以使用.lstrip 删除开头的任何数字，或使用.strip 删除每个字符串开头和结尾的任何数字。

【参考方案4】：

.str 不是必需的。您可以使用带有 regex=True 参数的 pandas dataframe.replace 或 series.replace。

df.replace('\d+', '', regex=True)

如果您想更改源数据框，请使用inplace=True。

df.replace('\d+', '', regex=True, inplace=True)