清洁熊猫数据栏中的单栏

Question

导入CSV作为熊猫数据，并删除所有完全空的列：

import pandas as pd 

df1 = pd.read_csv("name.csv") 
df1 = df1.dropna(axis=1,how='all')

唉，有一列是这样的：

'Background\r\n * find it: IDE-3: Some Name\r\n * Dokument: SomeName.pptx\r\n * Field: TEG-33\r\n  * happy: Done\r\n\r\nh3. Definition\r\n\r\n\xa0tbd.\r\nh3. exists\r\n\r\ncsv\r\nh3. Source\r\n\r\ncsv?\r\n\r\npotentiell?\r\n\r\ntbd\r\nh3. task\r\n\r\ntbd\r\n\r\n\xa0'

Question1：我想移除所有的\r\n和\r\n\r\ n和\r\n\r\n\xa0 0等等。有人能帮上忙吗？我找不到一个清晰的模式。

Question2：如何防止所有这些不同形式的\r\n\r(见问题2)在将CSV导入到熊猫数据框架中时被编写？

在清除数据帧中所述列的所有行后，最终结果应该如下

​

(Python3，Anaconda3发行版，在Windows 10上)

Answer 1

关于问题1：

(df1['Column 3']
.str.replace('\r','')
.str.replace('\n','')
.str.replace('\xa0', ''))

对于问题2:当数据进入csv时，您可以清理它--但是如果不知道数据来自哪里，就很难说了！

Answer 2

问题1

此正则表达式将实现您想要的结果：

(\r\n)+(\r)*(\xa0)*

解释：

(\r\n)+  # One or more copies of '\r\n'
(\r)*    # Any extra appended    '\r'
(\xa0)*  # Any final appended    '\xao'

不过，请注意，在您的示例中，没有表单\r\n...\r的字符串，即带有最后附加的\r。