在 Dataframe 的整个列中应用正则表达式

Question

我有一个包含 3 列的数据框：

id,name,team 
101,kevin, marketing
102,scott,admin\n
103,peter,finance\n

我正在尝试应用正则表达式函数，以便删除不必要的空格。 我有删除这些空格的代码，但我无法在整个 Dataframe 中循环它。

到目前为止，这是我尝试过的：

df['team'] = re.sub(r'[\n\r]*','',df['team'])

但这会引发错误AttributeError: 'Series' object has no attribute 're'

谁能建议我如何通过整个 Dataframe df['team']列循环这个正则表达式

Answer 1

你快到了，有两种简单的方法可以做到这一点：

# option 1 - faster way
df['team'] =  [re.sub(r'[\n\r]*','', str(x)) for x in df['team']]

# option 2
df['team'] =  df['team'].apply(lambda x: re.sub(r'[\n\r]*','', str(x)))

Answer 2

只要它是数据框检查替换https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.replace.html

df['team'].replace( { r"[\n\r]+" : '' }, inplace= True, regex = True)

关于正则表达式，'*' 表示 0 或更多，你应该需要 '+' 是 1 或更多

Answer 3

这是一种无需循环即可一步替换 pandas 列中多个单词的强大技术。 在我的代码中，我想在不使用循环的情况下从我的列中删除诸如“CORPORATION”、“LLC”等内容（所有这些都在 RemoveDB.csv 文件中）。 在这种情况下，我将一步从整列中删除 40 个单词。

RemoveDB = pd.read_csv('RemoveDBcsv')
RemoveDB = RemoveDB['REMOVE'].tolist()
RemoveDB = '|'.join(RemoveDB)
pattern = re.compile(RemoveDB)    
df['NAME']= df['NAME'].str.replace(pattern,'', regex = True)

Answer 4

另一个例子（但没有正则表达式）但可能对某人仍然有用。

id = pd.Series(['101','102','103'])
name = pd.Series(['kevin','scott','peter'])
team = pd.Series(['     marketing','admin\n', 'finance\n'])

testsO = pd.DataFrame({'id': id, 'name': name, 'team': team})
print(testsO)
testsO['team'] = testsO['team'].str.strip()
print(testsO)