仅保留Pandas数据帧列中的某些字符

Question

我在数据框中有一个列，其中包含许多特殊字符（主要是法语口音）。我需要将其与另一个仅保留某些字符的源（AZ 0-9' - space ）合并，然后删除其他源，因此需要以相同的方式清理文本才能使其工作。

我认为正则表达式是关键所以我尝试了以下两个选项。

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

第一个选项给我TypeError：期望的字符串或缓冲区，而第二个选项给出TypeError：期望的字符串或缓冲区。

当我只对一个字符串进行测试时，代码可以工作，所以我感觉某处有点故障。我不能把手放在它上面。

Answer 1

df['city'].str.replace("[^ABCDEFGHIJKLMNOPQRSTUVWXYZ1234567890'-. ]", "")

可能就是你要找的东西。

Answer 2

我认为第二个例子可行。也许city列中没有“无”？请尝试如下。

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