使用 Python 從列中刪除特定單詞

Question

數據最初來源於PDF 對數據做進一步分析，有一個[identity]列，其中一些值拼寫錯誤，即包含拼寫錯誤或特殊字符。

尋找從列中刪除不需要的字符。

輸入數據：

identity

UK25463AC
ID:- UN67342OM
#ID!?
USA5673OP

預期 Output：

identity

UK25463AC
UN67342OM
NAN
USA5673OP

到目前為止我嘗試過的腳本：

stop_word = ['#ID!?','ID:-']
pat = '|'.join(r"\b{}\b".format(x) for x in stop_words)
df['identity'] = df['identity'].str.replace(pat, '')

所以我不知道如何處理這個問題

Answer 1

從預期的 output 是必要的刪除單詞邊界\b\b並且因為特殊的正則表達式 chcarecer 添加了re.escape ，然后將Series.replace用於空字符串，如果只有空字符串到缺失值：

import re
stop_words = ['#ID!?','ID:-']
pat = '|'.join(r"{}".format(re.escape(x)) for x in stop_words)
df['identity'] = df['identity'].replace(pat, '', regex=True).replace('', np.nan)
print (df)
     identity
0   UK25463AC
1   UN67342OM
2         NaN
3   USA5673OP