删除熊猫数据框中每一行的标点符号[重复]

Posted 2023-03-12

【中文标题】删除熊猫数据框中每一行的标点符号[重复]

【英文标题】：remove punctuation for each row in a pandas data frame [duplicate]

【发布时间】：2016-01-07 23:11:20

【问题描述】：

我是 python 新手，所以这可能是一个非常基本的问题。我正在尝试使用 lambda 删除熊猫数据框中每一行的标点符号。我使用了以下内容，但收到了错误。我试图避免将 df 转换为列表，然后将清理后的结果附加到新列表中，然后将其转换回 df。

任何建议将不胜感激！

import string

df['cleaned'] = df['old'].apply(lambda x: x.replace(c,'') for c in string.punctuation)

【参考方案1】：

您需要遍历数据框中的字符串，而不是遍历string.punctuation。您还需要使用.join() 备份字符串。

df['cleaned'] = df['old'].apply(lambda x:''.join([i for i in x 
                                                  if i not in string.punctuation]))

当 lambda 表达式变得像那样长时，单独写出函数定义会更具可读性，例如（感谢@AndyHayden 的优化提示）：

def remove_punctuation(s):
    s = ''.join([i for i in s if i not in frozenset(string.punctuation)])
    return s

df['cleaned'] = df['old'].apply(remove_punctuation)

【讨论】：

不客气！

如果它适合你，你可以接受这个答案。

这里的一个改进是在 remove_punctuation 中使用 set(string.punctuation) 而不是 string.punctuation。

谢谢，安迪。我会把它添加进去。

连接周围的方括号/列表理解给你另一个提升fwiw :)

【参考方案2】：

在这里使用正则表达式很可能会更快：

In [11]: RE_PUNCTUATION = '|'.join([re.escape(x) for x in string.punctuation])  # perhaps this is available in the re/regex library?

In [12]: s = pd.Series(["a..b", "c<=d", "e|f"])

In [13]: s.str.replace(RE_PUNCTUATION, "")
Out[13]:
0    ab
1    cd
2    ef
dtype: object

【讨论】：

这应该是公认的答案...

类似：s.str.replace('[]'.format(string.punctuation), '')