Pandas：如何从列中删除数字和特殊字符

Question

我正在尝试从列中删除除 alpha 和空格之外的所有字符，但是当我使用代码执行相同操作时，它会将 output 作为'nan'代替NaN （空值）

输入数据：

col1

ABC ad
YQW \2
AQ4 GH
@34
#45
NaN

预期 output：

col1

ABC ad
YQW
AQ GH
NaN
NaN
NaN

我一直在使用的代码：

df['col1'] = df['col1'].astype(str).str.extract(r'([A-Za-z]+(?: [A-Za-z]+)*)')

后来我使用此列来检查NaN的条件，但它没有给出，因为在执行上述脚本后它将NaN值更改为'nan' 。

注意：如果不通过.astype(str)转换为字符串，我的数据将得到

AttributeError：只能使用带有字符串值的.str 访问器！

Answer 1

您可以通过以下步骤进行操作：

1. 首先，将NaN值替换为空字符串（我们也可能在删除字符后得到，之后会转换回NaN ）。
2. 通过.astype(str)将列转换为字符串类型，以防某些元素在列中是非字符串。
3. 用正则表达式通过str.replace()将非 alpha 和非空白替换为空字符串
4. 最后，通过.replace()将空字符串替换为NaN

（注意：前两个步骤是针对 OP 获取AttributeError: Can only use.str accessor with string values!虽然我测试了专门添加 integer 和浮点数（不是 integer 和浮点数，而是实际数值）没有前两个步骤没有问题。也许其他一些特殊的数据类型？？）没有相同问题的其他用户只能使用从str.replace()开始的最后两个步骤。

---

df['col1'] = df['col1'].fillna('').astype(str).str.replace(r'[^A-Za-z ]', '', regex=True).replace('', np.nan, regex=False)

结果：

print(df)


     col1
0  ABC ad
1    YQW 
2   AQ GH
3     NaN
4     NaN
5     NaN

---

请注意，我们不能在这里使用.extract()并且必须使用.replace()来删除不需要的字符。 像'ab c1d2@ef4'这样的字符串怎么样？ 使用什么正则表达式模式仅提取留下数字和特殊字符的字母和空格？ 不要忘记我们必须考虑一般情况，而不仅仅是这里的示例数据。 我们可以在这里引用所有可能的正则表达式模式来处理这些字母、空格、数字和特殊字符模式的无限组合吗？

Answer 2

另一种方法是提取字母数字但排除数字。 请参阅下面的代码

df['col1']=df['col1'].str.extract('(\w+\s\w+[^0-9]|\w+[^0-9])')

    col1
0  ABC ad
1    YQW 
2  AQ4 GH
3     NaN
4     NaN
5     NaN