僅將某些字符保留在Pandas數據框列中

Question

我在數據框中有一個帶有許多特殊字符（主要是法語口音）的列。 我需要將其與另一個僅保留某些字符（AZ 0-9'- space ）而其他掉落的源進行合並，因此需要以相同的方式清理文本以使其工作。

我認為正則表達式將是關鍵，因此我嘗試了以下兩個選項。

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

第一個選項給我TypeError：期望的字符串或緩沖區，而第二個選項給我TypeError：期望的字符串或緩沖區。

當我只測試一個字符串時，代碼就可以工作，所以我覺得在某處有點毛刺。 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

我認為第二個示例將起作用。 也許“ city列中沒有“無”？ 請嘗試如下。

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