Pandas：如何从一列中删除数字和特殊字符

1 人关注

我试图从一列中删除除字母和空格以外的所有字符，但当我使用代码来执行同样的操作时，它给出的输出是 'nan' ，而不是 NaN （空值）。

数据输入。

ABC ad YQW \2 AQ4 GH

Expected output:

ABC ad AQ GH

我一直在使用的代码。

df['col1'] = df['col1'].astype(str).str.extract(r'([A-Za-z]+(?: [A-Za-z]+)*)')
后来我用这一列来检查NaN的条件，但它没有给出，因为在执行上述脚本后，它把NaN的值改为'nan'。
注意：如果不通过.astype(str)将其转换为字符串，我的数据将得到
AttributeError:只能对字符串值使用.str访问器!


         5
         
         个评论


           
            @HenryEcker - 使用建议给出的错误："AttributeError。只能对字符串值使用.str访问器！"


           
            sahasrara62
           
           ：


           
            这是否回答了你的问题？
            
             从数据框架中删除特殊字符和字母数字的简单方法


           
            因为你的数据类型在那一列上被打乱了：你在读入时得到了NA，所以它不是'字符串'而是'对象'类型。回到
            
             [pd.read_csv](https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_csv.html)/read_excel()
            
            命令。将该列的dtype设置为 "字符串"。
            
             pd.read_csv(..., dtype={'col1': 'string'})
            
            。如果你需要，还可以定义选项
            
             na_values = ...
            
            。


           
            并在读取后使用
            
             df.info()
            
            ，以确保所有列都有你期望的dtype。这里他们没有。代码
            
             df['col1'].astype(str)...
            
            是一个提示。


           
            请注意，我们在这里不能使用
            
             .extract()
            
            ，必须使用
            
             .replace()
            
            来摆脱不需要的字符。像'ab c1d2@ ef4'这样的字符串如何处理？使用什么样的重码模式才能只提取字母和空格，而留下数字和特殊字符？别忘了，我们必须考虑一般情况，而不仅仅是这里的样本数据。我们能不能在这里引用所有可能的regex模式来处理这种字母、空格、数字和特殊字符模式的无限数量的组合？


         python


         pandas


        2
        
        个回答


          已采纳


         0
         
         人赞同


          
           另一种方法是提取字母数字，但不包括数字。见下面的代码
          
          df['col1']=df['col1'].str.extract('(\w+\s\w+[^0-9]|\w+[^0-9])')
0  ABC ad
1    YQW 
2  AQ4 GH
3     NaN
4     NaN
5     NaN


           
            
             我有一些瑞典语的数据，你的代码运行良好，但也删除了Å、Ä、Ö（å、ä、ö），但我想保留它们。如何修改你的代码以保留它们？


          
           
            你可以通过以下步骤进行。
           
           
            Firstly, replace
            
             NaN
            
            value by empty string (which we may also get after removing characters and will be converted back to
            
             NaN
            
            afterwards).
           
           
            Cast the column to string type by
            
             
              .astype(str)
             
            
            for in case some elements are non-strings in the column.
           
           
            Replace non alpha and non blank to empty string by
            
             
              str.replace()
             
            
            with regex
           
           
            Finally, replace empty string to
            
             NaN
            
            by
            
             
              .replace()
             
            
           
           
            (注：前两步是为了特别处理OP的
            
             AttributeError: Can only use .str accessor with string values!
            
            的问题，尽管我测试了特别添加整数和浮点数（不是字符串中的整数和浮点数，而是真实的数字值），也没有得到前两步的问题。也许是其他一些特殊的数据类型！）。  其他没有同样问题的用户可以只使用最后两步，从
            
             str.replace()
            
            开始。
           
           df['col1'] = df['col1'].fillna('').astype(str).str.replace(r'[^A-Za-z ]', '', regex=True).replace('', np.nan, regex=False)
Result:
print(df)
0  ABC ad
1    YQW 
2   AQ GH
3     NaN
4     NaN