如何在Python中清理数据框行

Question

我在数据框中有一行

names
------
*OP Under A Blood Red Moon
125-201 1006
Apple
Orange
/
1-2-3

我想清理一下，就可以

names
------
Apple
Orange

我想删除 *OP Under A Blood Red Moon，因为它包含三个以上的单词。

删除125-201 1006和1-2-3，因为它们只有数字和符号。

删除/，因为它少于一个字符。

我有点熟悉如何在python中为字符串执行某些操作，但是如何在pandas数据帧中的整个行中执行此操作。

Answer 1

我们不会删除行，而是过滤它们并保留所有符合以下条件的行：

• 最多3个单词（即不超过2个空格） AND
• 至少包含一个字母字符 AND
• 长度超过1个字符

具有以下布尔索引：

def num_alpha(s):
    return len([c for c in s if c.isalpha()])

df[(df.names.str.count(' ') < 3) & (df.names.apply(num_alpha) > 0) & (df.names.str.len() > 1)]

这个条件，尤其是第一个条件，当然仍然可以改进，但是我想你明白了。

请注意，在熊猫中进行元素逻辑运算时，必须使用括号，请参见boolean indexing。