应用 function 不适用于数据框列

Question

我正在尝试从我的 pandas 数据帧的“演员”列中删除特殊字符，如“，”，“。”，“-”（逗号除外）。 为此，我使用“演员”列上的应用方法

df['Actors']= df['Actors'].apply(lambda x : x.lower().replace("[^a-zA-Z,]","",)
df['Actors'].head()

上面代码片段的 output 如下所示，我们可以看到没有特殊字符被替换：

1    tim robbins, morgan freeman, bob gunton, willi...
2    marlon brando, al pacino, james caan, richard ...
3    al pacino, robert duvall, diane keaton, robert...
4    christian bale, heath ledger, aaron eckhart, m...
5    martin balsam, john fiedler, lee j. cobb, e.g....
Name: Actors, dtype: object

但是当我尝试使用下面的代码片段解决上述问题时，代码有效：

df['Actors'] = df['Actors'].str.lower().str.replace("[^a-zA-Z,]","")
df['Actors'].head()

1    timrobbins,morganfreeman,bobgunton,williamsadler
2    marlonbrando,alpacino,jamescaan,richardscastel...
3    alpacino,robertduvall,dianekeaton,robertdeniro
4    christianbale,heathledger,aaroneckhart,michael...
5    martinbalsam,johnfiedler,leejcobb,egmarshall
Name: Actors, dtype: object

我想知道apply function在替换字符时不能正常工作是怎么回事？

Answer 1

您在系列上调用apply ，因此 lambda 中的x是系列每一行的单个字符串。 所以， x.lower().replace是 python replace 。 Python replace不支持正则表达式。 因此它将"[^a-zA-Z,]"视为一个完整的字符串，并在每个x中查找 substring 。 它找不到它，所以什么都没有被替换。

另一方面， Pandas str.replace默认选项是regex=True ，因此它认为"[^a-zA-Z,]"作为正则表达式模式并正确替换所有内容

Answer 2

它不起作用，因为您对字符串进行了替换，正式地执行str.replace("[^a-zA-Z,]","",) 。 您的刺痛不包含这些字符[^a-zA-Z,]因此不会删除任何内容。 如果您愿意，python 会将这些字符解释为正则表达式，而只是作为字符串元素。

要工作，您应该这样做，这只是为了回答您的问题，因为首选的方法是使用您的第二个示例。

remove = re.compile(r"[^a-zA-Z,]")
df['Actors']= df['Actors'].apply(lambda x : re.sub(remove, "", x.lower()))

Herw 是一些文档：

• python str 替换
• pandas str 替换