Question

我有一个数据框（df）如下

Index     Month     Time       Text_1          Text_2                 Text_3
  0      02/2019   19:44:33   aadd@34:9984    (none)\       62fa6297-f5f5-4c47-8236-4a85cad5e601
                                             STBROWN2-M-26YQ
  1      02/2019   19:30:22   58:EF:68:14    (none)\        f933fb2a-4dde-a547-80ca-3b9e6cd29a6d
                                             STBROWN2-M-26YQ

我编写了一个简单的正则表达式，如下所示

def clean(text):
text = text.lower()
text_clean = re.sub('[^A-Za-z0-9]', ' ', text)
return text_clean

然后我将以上内容应用于df

df.apply(lambda x : clean(x))

我遇到以下错误：

AttributeError: ("'Series' object has no attribute 'lower'", 'occurred at index Application')

可能是因为Month和Time列是datetime对象。

我的问题是：如何在忽略日期时间的同时应用正则表达式？

Answer 1

使用过滤器选择以文本开头的列

def clean(text):
    text = text.str.lower()
    text_clean = text.str.replace('[^A-Za-z0-9]', ' ', regex = True)
    return text_clean
df.assign(**df.filter(like = 'Text').apply(clean))

Answer 2

在您的数据中，我认为所有数据都是字符串，但是如果要排除datetimes列，请使用select_dtypes：

def clean(text):
    return text.str.lower().str.replace('[^A-Za-z0-9]', '')

#filter only object columns
mask = df.dtypes == 'object'
#filter Text columns if possible
#mask = df.columns.startswith('Text')

df.loc[:, mask] = df.loc[:, mask].apply(clean)

Python：在以日期时间为列的数据帧上应用正则表达式

2 个答案: