仅将某些字符保留在Pandas数据框列中

Question

我在数据框中有一个带有许多特殊字符（主要是法语口音）的列。 我需要将其与另一个仅保留某些字符（AZ 0-9'- space ）而其他掉落的源进行合并，因此需要以相同的方式清理文本以使其工作。

我认为正则表达式将是关键，因此我尝试了以下两个选项。

df['city'] = re.sub("[^ABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890'-. ]", "", df['city'] )    
df['city'] = df['city'] .apply(lambda x: re.sub("[^ABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890'-. ]","",x))

第一个选项给我TypeError：期望的字符串或缓冲区，而第二个选项给我TypeError：期望的字符串或缓冲区。

当我只测试一个字符串时，代码就可以工作，所以我觉得在某处有点毛刺。 我不能把手放在上面。

Answer 1

df['city'].str.replace("[^ABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890'-. ]", "")

可能正是您想要的。

Answer 2

我认为第二个示例将起作用。 也许“ city列中没有“无”？ 请尝试如下。

REGEX_STR = "[^ABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890'-. ]"
df['city'] = df['city'].apply(lambda x: re.sub("", x) if x else '')