从一系列列中的字符串中删除不需要的部分

Question

第1部分

与此问题类似，但我有一系列名为A-J的列，所有这些列都有连字符来代替带有数字值的Series上的NaN（请参见下面的示例）。 我如何替换所有这些，而不是一次如该答案所示遍历每一列。

Sample column A
1000
2000
3000
-
1000

第2部分

有没有办法使用正则表达式删除所有'-'，'，'，'。' 从数据帧？

Answer 1

第1部分

在将数据读入DataFrame时，可以将'-'定义为NaN值。 更具体地说，是na_values在pd.read_csv()调用中使用na_values来实现的。

在这里查看文档

第2部分

正如MaxU先前建议的那样，您可以使用.replace()如下所示：

df.replace(r'[\s\-,\.]+', r'', regex=True, inplace=True)

请注意，这对非字符串不会有任何影响。

希望这可以帮助！

Answer 2

您可以遍历各列。

选定的列：

>>> df = pd.DataFrame({'a': ['a-b', 'c-d'], 'b': ['x-y', 'z-z'], 'c': ['x-y', 'z-z']})
>>> df
     a    b    c
0  a-b  x-y  x-y
1  c-d  z-z  z-z
>>> for col_name in 'ab':
        df[col_name] = df[col_name].str.replace('-', '0')
>>> df
     a    b    c
0  a0b  x0y  x-y
1  c0d  z0z  z-z

所有列：

>>> df = pd.DataFrame({'a': ['a-b', 'c-d'], 'b': ['x-y', 'z-z'], 'c': ['x-y', 'z-z']})

>>> for col_name in df.columns:
        df[col_name] = df[col_name].str.replace('-', '0')
>>> df
     a    b    c
0  a0b  x0y  x0y
1  c0d  z0z  z0z