如何删除以starting开头并包含特殊字符pandas的字符串

Question

我有一个数据框，其中的一列包含文本。此数据来自并保存到一个csv文件中，并且包含以下字符串：

 Supporter🇨🇮
 🇮🇪🇪🇺
 📞061 300149 💻sdim.csdg@dsga.com

是否可以从文本数据中删除这些字符串？如果是这样，最好的方法是什么？

我尝试过：

 df['text'] = df['text'].replace(r'(?<![@\w])(^\W+)', '', regex=True)

但是不幸的是，它不会删除字符串。

谢谢！

Answer 1

例如以下数据框

                Supporter
0                🇨🇮
1                     foo
2        🇮🇪🇪🇺
3          üìû061 300149
4                     bar
5  💻sdim.csdg@dsga.com

我们可以使用str.match删除任何包含特殊字符的行：

df.loc[~df['Supporter'].str.match('[\u0080-\uFFFF]')]

输出：

  Supporter
1       foo
4       bar

此外，如果您想在保留实际记录的同时删除特殊字符：

df['Supporter'] = df['Supporter'].str.replace('[\u0080-\uFFFF]', '')

print(df)

输出：

    Supporter
0            
1         foo
2            
3  061 300149
4         bar

注意：如果数据集中有任何NA值，则应在使用以下值运行它们之前将其删除：

df = df.dropna()

Answer 2

您可以尝试此处描述的方法：Replace non-ASCII characters with a single space

传递一个空字符串space来代替字符，而不是用''代替。