我有这个熊猫数据框
0 Tokens
1: 'rice', 'XXX', '250g'
2: 'beer', 'XXX', '750cc'
这里的所有标记,'rice'、'XXX' 和 '250g' 都在同一个字符串列表中,也在同一列中
我想删除数字,因为它有另一个词, 数字不能删除。
我试过这个代码:
def remove_digits(tokens):
"""
Remove digits from a string
"""
return [''.join([i for i in tokens if not i.isdigit()])]
df["Tokens"] = df.Tokens.apply(remove_digits)
df.head()
但它只加入了字符串,我显然不想这样做。
我想要的输出:
0 Tokens
1: 'rice' 'XXX' 'g'
2: 'beer', 'XXX', 'cc'
答案 0 :(得分:1)
这可以使用 Pandas 方法实现,这些方法经过矢量化处理,比循环更高效。
import pandas as pd
df = pd.DataFrame({"Tokens": [["rice", "XXX", "250g"], ["beer", "XXX", "750cc"]]})
col = "Tokens"
df[col] = (
df[col]
.explode()
.str.replace("\d+", "", regex=True)
.groupby(level=0)
.agg(list)
)
# Tokens
# 0 [rice, XXX, g]
# 1 [beer, XXX, cc]
这里我们使用:
pandas.Series.explode
将出现的 \d
(数字 0-9)替换为 ""
(无)pandas.Series.str.replace
按索引 (level=0
) 对系列进行分组并将它们放回列表 (.agg(list)
)答案 1 :(得分:0)
这是一个简单的解决方案 -
df = pd.DataFrame({'Tokens':[['rice', 'XXX', '250g'],
['beer', 'XXX', '750cc']]})
def remove_digits_from_string(s):
return ''.join([x for x in s if not x.isdigit()])
def remove_digits(l):
return [remove_digits_from_string(s) for s in l]
df["Tokens"] = df.Tokens.apply(remove_digits)
答案 2 :(得分:0)