pandas 替换（擦除）字符串中的不同字符

Posted 2023-02-23

【中文标题】pandas 替换（擦除）字符串中的不同字符

【英文标题】：pandas replace (erase) different characters from strings

【发布时间】：2016-01-14 10:46:27

【问题描述】：

我有一份高中名单。我想从字符串中删除某些字符、单词和符号。

我目前有：

df['schoolname'] = df['schoolname'].str.replace('high', "")

但是，我想使用一个列表，以便快速替换 high、school、/ 等。

有什么建议吗？

df['schoolname'] = df['schoolname'].str.replace(['high', 'school'], "") 

没用

【问题讨论】：

你能用 for 循环包裹你的 replace() 吗？

@chrisaycock 我想过，但这似乎是一种解决方法。必须遍历整个数组 x 次，而不是在查找任何字符时遍历它

【参考方案1】：

我的问题：我想找到一个简单的解决方案，使用 pandas 的 replace 方法删除字符/符号。

我在数据框中有以下数组：

  df = array(['2012', '2016', '2011', '2013', '2015', '2017', '2001', '2007',
   '[2005], ©2004.', '2005', '2009', '2008', '2009, c2008.', '2006',
   '2019', '[2003]', '2018', '2012, c2011.', '[2012]', 'c2012.',
   '2014', '2002', 'c2005.', '[2000]', 'c2000.', '2010',
   '2008, c2007.', '2011, c2010.', '2011, ©2002.', 'c2011.', '[2017]',
   'c1996.', '[2018]', '[2019]', '[2011]', '2000', '2000, c1995.',
   '[2004]', '2005, ©2004.', 'c2004.', '[2009]', 'c2009.', '[2014]',
   '1999', '[2010]', 'c2010.', '[2006]', '2007, 2006.', '[2013]',
   'c2001.', 'C2016.', '2008, c2006.', '2011, ©2010.', '2007, c2005.',
   '2009, c2005.', 'c2002.', '[2004], c2003.', '2009, c2007.', '2003',
   '©2003.', '[2016]', '[2001]', '2010, c2001.', '[1998]', 'c1998.'],
  dtype=object)

如您所见，输入年份使用多种格式（啊！），带有括号和版权符号以及小写 c 和大写 C。

现在我想删除那些不需要的字符，并且只有四位数的年份。由于它是一个数组，所以在使用replace()之前还需要将其转换为字符串。创建一个包含所有要替换的字符的变量，并用 ' | 分隔它们。 '。

rep_chars = 'c|C|\]|\[|©|\.'

df[Year] = df['Year'].str.replace(rep_chars,"")

确保使用\. 而不仅仅是句号。 \] 和 \[ 也是如此。

输出：

array(['2012', '2016', '2011', '2013', '2015', '2017', '2001', '2007',
   '2005, 2004', '2005', '2009', '2008', '2009, 2008', '2006', '2019',
   '2003', '2018', '2012, 2011', '2014', '2002', '2000', '2010',
   '2008, 2007', '2011, 2010', '2011, 2002', '1996', '2000, 1995',
   '2004', '1999', '2007, 2006', '2008, 2006', '2007, 2005',
   '2009, 2005', '2004, 2003', '2009, 2007', '2010, 2001', '1998'],
  dtype=object)

数据清理愉快！

【参考方案2】：

你可以创建一个字典然后.replace(, regex=True)方法：

replacements = 
   'schoolname': 
      r'(high|school)': ''


df.replace(replacements, regex=True, inplace=True)

【参考方案3】：

使用正则表达式（用|分隔字符串）：

df['schoolname'] = df['schoolname'].str.replace('high|school', "")

【讨论】：

哦。唔。我尝试了df['schoolname'] = df['schoolname'].str.replace('high| hig| schools|school|schoo| scho| sch| sc|@|/|-|h s| hs|.|"', "")，但是我最终得到了一个空列。我是不是做错了什么？

@As3adTintin dot 是一个特殊的正则表达式字符（可以捕获所有字符），您必须使用 \. 对其进行转义

它比 for 循环更快更高效。