在 Excel 中清理 Twitter 数据答案

【问题标题】：Cleaning Twitter Data in Excel在 Excel 中清理 Twitter 数据
【发布时间】：2021-10-29 14:22:27
【问题描述】：

我正在为学校做一个项目，但现在有了在线指导，获得帮助变得更加困难。我在 excel 中有一个数据集，我需要删除一些链接和表情符号。

这就是我的数据现在的样子。我想去掉https://t.co/.......链接、表情符号和一些奇怪的字符。

有人对如何在 excel 中执行此操作有任何建议吗？还是 python？

【问题讨论】：

【解决方案1】：

我不确定如何在 Excel 中执行此操作，但是，您可以轻松地将 Excel 文件加载到“pandas.dataFrame”中，然后使用正则表达式忽略非 ascii 字符：

file_path = '/some/path/to/file.xlsx'
df = pd.read_excel(file_path , index_col=0) 
df = df.replace(r'\W+', '', regex=True)

这里你可以找到关于loading an Excel file into a dataframe的额外解释在这里你可以了解more ways to ignore non-ascii chars in dataframe

【讨论】：

【解决方案2】：

根据这个reference，我相信你可以做这样的功能：

def checkChars(inputString):
    outputString = ""
    allowedChars = [" ", "/", ":", ".", ",",";"] # The characters you want to include
    for l in inputString:
        if l.isalnum() or l in allowedChars: # This line will check if the character is alphanumeric or is in your allowed character list
            outputString += l
    return outputString

【讨论】：