Question

我有3列的DataFrame。我希望使用的两列是Dog_Summary和Dog_Description。这些列是字符串，我希望删除它们可能包含的所有标点符号。

我尝试了以下方法：

df[['Dog_Summary', 'Dog_Description']] = df[['Dog_Summary', 'Dog_Description']].apply(lambda x: x.str.translate(None, string.punctuation))

对于上述情况，我会收到一条错误消息：

ValueError: ('deletechars is not a valid argument for str.translate in python 3. You should simply specify character deletions in the table argument', 'occurred at index Summary')

我尝试的第二种方法是：

df[['Dog_Summary', 'Dog_Description']] = df[['Dog_Summary', 'Dog_Description']].apply(lambda x: x.replace(string.punctuation, ' '))

但是，它仍然不起作用！

谁能给我建议或意见

谢谢！：）

Answer 1

我希望删除它可能包含的所有标点符号。

您可以为此使用正则表达式和string.punctuation

>>> import pandas as pd
>>> from string import punctuation
>>> s = pd.Series(['abcd$*%&efg', '  xyz@)$(@rst'])
>>> s.str.replace(rf'[{punctuation}]', '')
0     abcdefg
1      xyzrst
dtype: object

.str.replace()的第一个参数可以是正则表达式。在这种情况下，您可以使用f字符串和character class来捕获任何标点符号：

>>> rf'[{punctuation}]'
'[!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~]'  # ' and \ are escaped

如果要将其应用于DataFrame，只需遵循您现在正在做的事情即可：

df.loc[:, cols] = df[cols].apply(lambda s: s.str.replace(rf'[{punctuation}]', ''))

或者，您可以使用s.replace(rf'[{punctuation}]', '', regex=True)（没有.str访问器）。

str.translate（）方法对熊猫系列给出错误

1 个答案: