Question

想象一下我有以下熊猫系列：

tmp = pd.Series(['k.; mlm', '(+).', 'a;b/c', '!".: abc', 'abc dfg', 'qwert@'])

我想对于所有元素，使用正则表达式删除仅标点符号的单词，我试图使用类似以下内容的单词：

tmp.str.replace(regex, '')

我的最后系列是：

tmp = pd.Series(['k.; mlm', '', 'a;b/c', 'abc', 'abc dfg', 'qwert@'])

编辑：我正在考虑使用unicode表的标点符号

Answer 1

您可以将str.contains与模式:value配合使用，以匹配包含至少一个不是标点符号的字符的字符串。

请注意，[^\W]与集合中包含的任何字符匹配，并且通过在开头添加[]，将匹配集合中所有未包含的字符。

Answer 2

您可以将str.replace与负前瞻正则表达式一起使用，它查找包含任何字母数字字符（用\ w表示）的字符串

tmp.replace('^((?!\w).)*$', '', regex=True)

0     k.; mlm
1            
2       a;b/c
3    !".: abc
4     abc dfg
5      qwert@

Answer 3

IICU

tmp.replace('[()+!".:]', '', regex=True).to_list()

结果

['k; mlm', '', 'a;b/c', ' abc', 'abc dfg', 'qwert@']

说明在这种情况下，[]包含要匹配的字符 df. replace将to_replace中给出的值替换为value。我设置了Regex = True，因为我使用了正则表达式。最后，我通过df.to_list()函数将它们转换为列表

Answer 4

如果整个字符串包含标点符号，则好像您打算清除字段值（将其全部替换为空字符串）。

您可以使用

tmp.str.replace(r'^(?:[^\w\s]|_)+$', '')

请参见regex demo。注意：如果您仅打算清除仅包含 ASCII标点符号的行的值，则可以使用string.punctuation：

tmp.str.replace(f"^[{''.join(map(re.escape,string.punctuation))}]+$", '')

print(f"[{''.join(map(re.escape,string.punctuation))}]")显示[!"\#\$%\&'\*\+,\-\./:;<=>\?@\[\\\]\^_`\{\|\}\~]，请参阅its online demo。如预期的那样，它与’，‘，“，”，«，»等标点符号不匹配。

详细信息

^-字符串的开头
(?:-一个非捕获组的开始
- [^-否定字符类的开始（它将匹配所有字符，但要匹配其中指定的所有字符）：
  - \w-单词字符（任何Unicode字母，数字和_）
  - \s-任何Unicode空格
- ]+-课程结束，+重复1次或更多次
- |-或
- _-下划线
)-组结束
$-字符串的结尾。

熊猫测试：

>>> tmp.str.replace(r'^(?:[^\w\s]|_)+$', '')
0     k.; mlm
1            
2       a;b/c
3    !".: abc
4     abc dfg
5      qwert@
dtype: object

删除仅是熊猫系列中标点符号的单词

4 个答案: