在 Pandas Dataframe 中将 HTML 字符转换为字符串答案

【问题标题】：Convert HTML Characters To Strings in Pandas Dataframe在 Pandas Dataframe 中将 HTML 字符转换为字符串
【发布时间】：2020-05-22 02:36:48
【问题描述】：

我想将 html 字符替换为数据框中的字符串。

我尝试了以下代码，但无法更改为搅拌。

import html
html.unescape(data)

这是我的数据框，我该怎么做？

供您参考，此结果来自 Google Cloud 的 Translation API。

ID A1 A2 A3 1 我不知道是否不符合其实我很难理解...我不知道它是否不符合我的经验... 2 NaN NaN NaN 3 我认为这是一个正确的网页设计，至少... NaN 这个项目需要 400 日元或 4 英镑。

【问题讨论】：

【解决方案1】：

如果您没有任何 NaN，那么您可以简单地使用 applymap() 让所有单元格由 html.escape 处理。

因此，如果您认为将 NaN 转换为空字符串可以接受，则可以使用：

df.fillna("").applymap(html.unescape)

如果您想保留 NaN，那么一个好的解决方案是使用 stack() 将列转换为另一个级别的索引，这将抑制 NaN 条目。然后你可以使用apply()（因为它现在是一个系列，而不是一个DataFrame）和后来的unstack() 让它恢复到原来的格式：

df.stack().apply(html.unescape).unstack()

但请注意，最后一种方法将删除完全由 NaN 组成的行或列，不确定您是否可以接受。

另一种选择是使用 applymap()，但使用 lambda 并且仅将 html.unescape 应用于非 NaN 项：

df.applymap(lambda x: html.unescape(x) if pd.notnull(x) else x)

【讨论】：

如果有NaN，为什么不能applymap？
如果你直接应用map，html.unescape会抱怨它不能处理浮动。 NaN 在技术上是一个浮点数（或更准确地说是“非数字”。）无论如何，该函数不知道如何处理它
你可以使用df.applymap(lambda x: html.unescape(x) if pd.notnull(x) else x)之类的东西，它只会在非NaN的条件下调用html.unescape...