清理pandas Dataframe中的单列

Question

将CSV导入为熊猫数据框，并删除所有完全空白的列：

import pandas as pd 

df1 = pd.read_csv("name.csv") 
df1 = df1.dropna(axis=1,how='all')

可惜一栏看起来像：

'Background\r\n * find it: IDE-3: Some Name\r\n * Dokument: SomeName.pptx\r\n * Field: TEG-33\r\n  * happy: Done\r\n\r\nh3. Definition\r\n\r\n\xa0tbd.\r\nh3. exists\r\n\r\ncsv\r\nh3. Source\r\n\r\ncsv?\r\n\r\npotentiell?\r\n\r\ntbd\r\nh3. task\r\n\r\ntbd\r\n\r\n\xa0'

问题1 ：我想删除所有\ r \ n和\ r \ n \ r \和\ r \ n \ r \ n \和\ r \ n \ r \ n \ xa0等。有人可以提供正则表达式帮助吗？我找不到清晰的图案。

问题2 ：首先将CSV导入熊猫数据框时，如何防止所有这些不同形式的\ r \ n \ r \（请参阅问题2）？< / p>

在清除数据框中提到的列的所有行之后，最终结果应为

（Python 3，Anaconda3发行版，在Windows 10上）

Answer 1

对于问题1：

(df1['Column 3']
.str.replace('\r','')
.str.replace('\n','')
.str.replace('\xa0', ''))

对于问题2：您可以在将数据输入到csv中时清理它们-但是很难说，不知道数据来自何处！

Answer 2

问题1

此正则表达式将实现您想要的：

(\r\n)+(\r)*(\xa0)*

说明：

(\r\n)+  # One or more copies of '\r\n'
(\r)*    # Any extra appended    '\r'
(\xa0)*  # Any final appended    '\xao'

不过请注意，在您的示例中，没有\r\n...\r形式的字符串，即末尾带有\r的字符串。