如何在熊猫数据框架中格式化文本

Question

我有一只熊猫的数据

df

id  Description
1   2694 A&W #5530 MONTREAL QC
2   ahi DOLLARAMA # 45 MONTREAL QC
3   PC - PAYMENT FROM - *****11*22

我想格式化这个数据格式，这样df["Description"]列就不会有#、-、*或numbers，比如：

id  Description

1   A&W MONTREAL QC
2   ahi DOLLARAMA MONTREAL QC
3   PC PAYMENT FROM

我尝试使用python模块re。但我搞错了。

谢谢

Answer 1

尝试使用如下正则表达式：

df.Description = df.Description.str.replace(r'[\d#\-\*]', '')

这给了我们

0               A&W  MONTREAL QC
1    ahi DOLLARAMA   MONTREAL QC
2             PC  PAYMENT FROM  
Name: foo, dtype: object

Answer 2

您可以使用熊猫.apply和re.sub删除[^A-Z ]+，即：

import pandas as pd
import re
test = ['2694 A&W #5530 MONTREAL QC', 'ahi DOLLARAMA # 45 MONTREAL QC', 'PC - PAYMENT FROM - *****11*22']

def change_me(content):
    content =  re.sub(r"[^A-Z ]+", "", content, 0, re.IGNORECASE)
    return re.sub(r"[ ]{2,}", " ", content, 0, re.IGNORECASE)

df = pd.DataFrame({'Desc':test})
df.Desc = df.Desc.apply(change_me)

                        Desc
0             AW MONTREAL QC
1  ahi DOLLARAMA MONTREAL QC
2            PC PAYMENT FROM

Regex演示和解释

PS：

请阅读@ami的评论，.str.replace()是适合这类任务的函数。