如何替换熊猫数据框中字符串中的子字符串

Question

我有一个数据框，以及我想从该数据框的列中删除的字符串列表。但是当我使用替换功能时，这些字符仍然存在。有人可以解释一下为什么会这样吗？

bad_chars = ['?', '!', ',', ';', "'", '|', '-', '--', '(', ')', 
             '[', ']', '{', '}', ':', '&', '\n']

并替换：

df2['page'] = df2['page'].replace(bad_chars, '')

当我打印出df2:

for index, row in df2.iterrows():
    print( row['project'] + '\t' + '(' + row['page'] + ',' + str(row['viewCount']) + ')' + '\n'  )

zh (The_Voice_(U.S._season_14),613)

Answer 1

一种方法是使用re 转义你的字符，然后使用pd.Series.str.replace。

import pandas as pd
import re

bad_chars = ['?', '!', ',', ';', "'", '|', '-', '--', '(', ')', 
             '[', ']', '{', '}', ':', '&', '\n']

df = pd.DataFrame({'page': ['hello?', 'problems|here', 'nothingwronghere', 'nobrackets[]']})

df['page'] = df['page'].str.replace('|'.join([re.escape(s) for s in bad_chars]), '')

print(df)

#                page
# 0             hello
# 1      problemshere
# 2  nothingwronghere
# 3        nobrackets

Answer 2

使用.str.replace，并将您的字符串作为一个单独的、管道分隔的字符串传递。正如@jpp 所建议的那样，您可以使用re.escape() 来转义该字符串中的正则表达式字符。我通过避免迭代来稍微调整他的建议：

import re 
df2['page'] = df2['page'].str.replace(re.escape('|'.join(bad_chars)), '')