Question

我有文本字符串，并且正在使用以下字符串函数对其进行清理。现在，我想缩放它并将其应用于dataframe。我面临的挑战是它不适用于数据框。我尝试在numpy数组上应用，但结果为空字符串。

数据框是单列，具有与行变量相同的字符串：

                               0
0   Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US...
1   Mozilla/5.0 (Windows NT 5.1; rv:2.0.1) Gecko/2...
2   Mozilla/5.0 (iPod; U; CPU iPhone OS 4_1 like M...
3   Mozilla/5.0 (Windows NT 5.1; rv:5.0) Gecko/201...
4   Mozilla/4.0 (compatible; MSIE 7.0; Windows NT ...

``

 line = "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; .NET CLR 2.0.50727; handyCafeCln/3.3.21)"
 re_print = re.compile('[^%s]' % re.escape(string.printable))
 remove_digits = str.maketrans('', '', digits)
 remove_punc =str.maketrans('', '', string.punctuation)
 line = line.translate(remove_digits)
 line = line.translate(remove_punc)
 line = line.split()

结果：

['Mozilla'， '兼容'， “ MSIE”， '视窗'， 'NT'， '净'， 'CLR'， 'handyCafeCln']

我尝试将相同的步骤打包到一个函数中，但是无法将其应用于datframe并出现以下错误Series' object has no attribute 'translate

def clean_pairs(lines):
    re_print = re.compile('[^%s]' % re.escape(string.printable))
    remove_digits = str.maketrans('', '', digits)
    remove_punc =str.maketrans('', '', string.punctuation)

    lines.translate(remove_digits)
    lines.translate(remove_punc)
    lines.split()

df.apply(clean_pairs)

Answer 1

def clean_pairs(lines):
    re_print = re.compile('[^%s]' % re.escape(string.printable))
    remove_digits = str.maketrans('', '', string.digits)
    remove_punc =str.maketrans('', '', string.punctuation)
    lines = lines.translate(remove_digits)
    lines = lines.translate(remove_punc)
    lines = lines.split()
    return lines

df = pd.DataFrame([line])
print(df[0].apply(clean_pairs))

将文本处理步骤应用于熊猫数据框

1 个答案: