删除不包含与 Python 匹配的正则表达式的单元格/行

Posted 2023-03-12

【中文标题】删除不包含与 Python 匹配的正则表达式的单元格/行

【英文标题】：Removing cells/rows that don't contain regex match with Python

【发布时间】：2014-01-25 20:06:25

【问题描述】：

我有一个包含据称电话号码的单列的 csv。但是，有几个单元格包含错误的数字、字母和符号等。我只想保留单元格中正好包含十个数字的每一行，并删除所有其他行。

我还有一个文件，在名称列的每个单元格中间（在名字之后）包含一个奇怪的非 ascii 字符。有没有一种简单的方法可以丢弃文件中的每个非 ascii 字符？我只是想摆脱它，尽管用空格替换它也可以。

我已经在我的 csvs 上运行的代码中导入了 pandas，所以如果有帮助，它是可用的。

【问题讨论】：

只需使用过滤器：new_li=[e for e in old_old_li if re.search(regex, e)]

【参考方案1】：

首先，让我们生成一些随机电话号码——大多数是好的，一些是坏的：

import random

li=[]
for i in range(50):
    li.append('--'.format(random.randrange(1,999), random.randrange(1,999), random.randrange(100,9999))) 

然后过滤那些：

import re
new_li=[e for e in li if re.match(r'\d\d\d-\d\d\d-\d\d\d\d', e)]

print new_li
print set(li)-set(new_li)    # show the ones removed...

如果您想要使用 Pandas，您可以使用相同的正则表达式并将 .apply 用于 DataFrame：

df=pd.DataFrame(li, columns=['Phone'])
pat=re.compile(r'^\d3-\d3-\d4$')
print df
print df[df['Phone'].apply(lambda s: bool(pat.search(s)))]

【讨论】：

完美！我喜欢人们真正向我展示答案背后的过程，以便我学习。