在数据框的整个列中应用正则表达式答案

【问题标题】：Applying Regex across entire column of a Dataframe在数据框的整个列中应用正则表达式
【发布时间】：2019-12-22 13:01:00
【问题描述】：

我有一个包含 3 列的数据框：

id,name,team 
101,kevin, marketing
102,scott,admin\n
103,peter,finance\n

我正在尝试应用一个正则表达式函数来删除不必要的空格。我已经得到了删除这些空格的代码，但是我无法在整个数据帧中循环它。

这是我迄今为止尝试过的：

df['team'] = re.sub(r'[\n\r]*','',df['team'])

但这会引发错误AttributeError: 'Series' object has no attribute 're'

谁能建议我如何在整个 Dataframe df['team'] 列中循环这个正则表达式

【问题讨论】：

未测试 df["team"]=df["team"].str.strip()

标签： python python-3.x pandas

【解决方案1】：

你快到了，有两种简单的方法：

# option 1 - faster way
df['team'] =  [re.sub(r'[\n\r]*','', str(x)) for x in df['team']]

# option 2
df['team'] =  df['team'].apply(lambda x: re.sub(r'[\n\r]*','', str(x)))

【讨论】：

感谢回复，但我收到错误“TypeError: expected string or bytes-like object”
@hellokee 我不知道team 是什么类型，我做了一个小改动，你现在可以试试吗？
在 Pandas pandas.pydata.org/pandas-docs/stable/reference/api/…中有一个相同的内置函数

【解决方案2】：

只要是数据框检查替换https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.replace.html

df['team'].replace( { r"[\n\r]+" : '' }, inplace= True, regex = True)

关于正则表达式，'*' 表示 0 或更多，你应该需要 '+' 即 1 或更多

【讨论】：

【解决方案3】：

这是一种强大的技术，可以在没有循环的情况下一步替换 pandas 列中的多个单词。在我的代码中，我想在不使用循环的情况下从我的列中删除“CORPORATION”、“LLC”等内容（所有这些内容都在 RemoveDB.csv 文件中）。在这种情况下，我会一步从整个列中删除 40 个单词。

RemoveDB = pd.read_csv('RemoveDBcsv')
RemoveDB = RemoveDB['REMOVE'].tolist()
RemoveDB = '|'.join(RemoveDB)
pattern = re.compile(RemoveDB)    
df['NAME']= df['NAME'].str.replace(pattern,'', regex = True)

【讨论】：

【解决方案4】：

另一个例子（但没有正则表达式）但可能对某人仍然有用。

id = pd.Series(['101','102','103'])
name = pd.Series(['kevin','scott','peter'])
team = pd.Series(['     marketing','admin\n', 'finance\n'])

testsO = pd.DataFrame({'id': id, 'name': name, 'team': team})
print(testsO)
testsO['team'] = testsO['team'].str.strip()
print(testsO)

【讨论】：