提取字符，字符串或方括號之間的文本

Question

我有以下幾種類型的數據：

pd.DataFrame({"Hashtags": [ "[]", "[u'AAPHealthCare4All']", "[u'CBI',","u'Delhi',", "u'Emergency']"]})

預期產量

pd.DataFrame({"Hashtags": [ " ", "AAPHealthCare4All", "CBI","Delhi", "Emergency"]})

括號，括號或逗號和引號都不丟失/有錯。 []應該用空格代替。 基本上，我想刪除所有的“ [”，“]”，“ [u'”等。我使用了以下代碼，但無濟於事：

for index,row in df.iterrows(): 
    if "RT @" in row["Tweet"]: 
        df['Hashtags'] =df['Hashtags'].str.replace(r'[^[]]*\[|\][^]*|\[u\'*\'\]|\[\'*\'\]', '')
df.to_csv('string_HT.csv', index=False)

Answer 1

您可以將以下表達式應用於您的主題標簽：

df['Hashtags'] = sum([x if x else [" "] for x 
                      in ast.literal_eval(''.join(df['Hashtags'])\
                                            .replace('][', '],['))],\
                     [])

結果：

[' ', 'AAPHealthCare4All', 'CBI', 'Delhi', 'Emergency']

但是，數據框中的行數將更改，並且索引將不保留。 您可能使用了錯誤的數據框。

Answer 2

您可以使用提取功能：

df.Hashtags.str.extract("'(.*)'").fillna('')
Out[1052]: 
0                     
1    AAPHealthCare4All
2                  CBI
3                Delhi
4            Emergency
Name: Hashtags, dtype: object

Answer 3

我認為simpliset是使用帶有replace double strip ：

df['Hashtags'] = df['Hashtags'].str.strip("[u,]").str.strip("'").replace('', ' ')
print (df['Hashtags'].tolist())
[' ', 'AAPHealthCare4All', 'CBI', 'Delhi', 'Emergency']

雙strip是必要的，因為如果只有一個，它將從字符串的開頭和結尾刪除所有u ：

df = pd.DataFrame({"Hashtags": [ "[]", "[u'uuAAPHealthCare4All']", 
                                "[u'uCBIuu',","u'uDelhi',", "u'Emergency']"]})
print (df)
                   Hashtags
0                        []
1  [u'uuAAPHealthCare4All']
2               [u'uCBIuu',
3                u'uDelhi',
4             u'Emergency']

df['Hashtags'] = df['Hashtags'].str.strip("[u,']")
print (df['Hashtags'])
0                     
1    AAPHealthCare4All
2                  CBI
3                Delhi
4            Emergency
Name: Hashtags, dtype: object