从 pandas 列中的字符串列表中删除数字答案

【问题标题】：Remove digits from a list of strings in pandas column从 pandas 列中的字符串列表中删除数字
【发布时间】：2021-09-21 03:50:15
【问题描述】：

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，因为它与另一个词，无法删除数字。

我试过这段代码：

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()

但它只是加入了字符串，我显然不想这样做。

我想要的输出：

0  Tokens
1: 'rice' 'XXX' 'g'
2: 'beer', 'XXX', 'cc'

【问题讨论】：

这里的Tokens 是什么？你能提供构建df的句子吗？
这是我清理的令牌所在的列。
我认为这通过使用正则表达式回答了您的问题：stackoverflow.com/questions/40178364/…
在您建议的解决方案中，您将一个列表Tokens 传递给您的函数，然后您需要在应用isdigit() 之前循环到字符串i 中的每个字符

标签： python pandas string digits

【解决方案1】：

这可以使用 pandas 方法实现，这些方法经过矢量化，比循环更有效。

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]

我们在这里使用：

pandas.Series.explode 将 Series 列表转换为行
pandas.Series.str.replace 将出现的 \d（数字 0-9）替换为 ""（无）
pandas.Series.groupby 按索引对系列进行分组 (level=0) 并将它们放回列表中 (.agg(list))

【讨论】：

【解决方案2】：

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)

【讨论】：

【解决方案3】：

您可以使用to_list + re.sub 来更新您的原始数据框。

import re

for index, lst in enumerate(df['Tokens'].to_list()):
  lst = [re.sub('\d+', '', i) for i in lst]
  df.loc[index, 'Tokens'] = lst

print(df)

输出：

    Tokens
0   [rice, XXX, g]
1   [beer, XXX, cc]

【讨论】：