如何从列名中删除非 ASCII 字符和空格答案

【问题标题】：How to remove non-ASCII characters and space from column names如何从列名中删除非 ASCII 字符和空格
【发布时间】：2020-06-18 22:18:50
【问题描述】：

我有一个数据框。许多列名包含非 ASCII 字符和特殊字符，如 ()、/、+、. （中间的非 ascii 点）等和非 ascii 空格。 读取 csv 时没有发生这种情况。这由于单热编码而发生。（当我将分类变量转换为数字列并且类别值具有非 ascii 值时）

Col1/name   Col 2() name    Col3 + name    Col4 ^¨ name   etc...

预期输出

我只想要列名中的数字、下划线和字符（我只想更改列名而不是数据框或行中的任何值）。这是必要的，因为一些机器学习算法（例如 lightGBM）不适用于列名中的非 ASCII 字符或非 ASCII 空格。

预期输出 df：

Col1name   Col_2_name    Col3__name    Col4__name   etc...

所以用下划线替换空格并删除列名中的所有非数字和非字符。

【问题讨论】：

【解决方案1】：

使用pandas.Series.str.replace 和findall 的一种方式：

df.columns = ["".join(l) for l in df.columns.str.replace("\s", "_").str.findall("[\w\d]+")]
print(df)

输出：

Empty DataFrame
Columns: [Col1name, Col_2_name, Col3__name, Col4__name]
Index: []

【讨论】：

【解决方案2】：

可以使用replace的方法：

df.columns.str.replace('\s+', '_').str.replace('\W+', '')

输出：

Index(['Col1name', 'Col_2_name', 'Col3__name', 'Col4__name'], dtype='object')

您可以使用str.replace('_{2,}', '_') 删除多个下划线。

【讨论】：