从熊猫数据框中删除 \n 的问题

Question

我正在尝试从整个 pandas 数据框中删除所有 \n。我知道在堆栈溢出方面已经有了答案，但由于某些原因，我无法获得所需的输出。我有以下数据框：

  title     text    date    authors
0   [ECB completes foreign reserves investment in ...   [\nThe European Central Bank (ECB) completed an ...     [13 June 2017]  ECB
1   [Measures to improve the efficiency of the ope...   [\nThe Governing Council of the ECB has decided ...     [\n 23 January 2003 \n ]    ECB
2   []  []  []  ECB
3   [ECB publishes the results of the Euro Money M...   [Today the European Central Bank (ECB) is publ...   [\n 28 September 2012 \n ]  ECB
4   []  []  []  ECB

这是我想要的输出：

title   text    date    authors
0   [ECB completes foreign reserves investment in...    [The European Central Bank (ECB) completed an ...   [13 June 2017]  ECB
1   [Measures to improve the efficiency of the ope...   [The Governing Council of the ECB has decided ...   [23 January 2003]   ECB
2   []  []  []  ECB
3   [ECB publishes the results of the Euro Money M...   [Today the European Central Bank (ECB) is publ...   [28 September 2012]     ECB
4   []  []  []  ECB 

这些都是我试过的代码：

1. 基于我尝试过的this stack overflow 帖子：

   mydf=df.replace({r'\\n': ''}, regex=True)
   
   mydf=df['date'].str.strip(r'\\n') #this turns every obs into NaN 
   
   mydf=df.replace(to_replace=[r"\\n", "\n"], value=["",""], regex=True, inplace =True) #this gets rid of all data in dataframe for some reason
   

这两种方法都不起作用

1. 基于我尝试过的this post（注意我跳过了之前已经尝试过的答案）：

   mydf=df.replace(r'\s', '', regex = True, inplace = True) #this deleted all data

2. 基于this post我试过了：

   mydf=df.replace('\\n',' ')

3. 基于 this post 的 cmets 我试过了：

   mydf=df['date'].replace(r'\s+|\\n', ' ', regex=True, inplace=True) 和

   mydf=df.replace(r'\s+|\\n', ' ', regex=True, inplace=True)

4. 根据我尝试过的this post 中的答案：

   mydf= df.replace({r'\s+$': '', r'^\s+': ''}, regex=True).replace(r'\n', ' ', regex=True)

   mydf=df.replace({ r'\A\s+|\s+\Z': '', '\n' : ' '}, regex=True, inplace=True) # this again deleted whole df

我不明白为什么在那里找到的答案在我的案例中不起作用，因为它们被接受了，而且大多数问题似乎与我的非常相似。

Answer 1

d = {'col1': [['\n a b c'], ['\n x y z']], 'col2': [[1.5000], ['\n x y z']]}
df20 = pd.DataFrame(data=d)

print(df20)

def remove_spec_char(string_list=list):
    y = []
    for string_x in string_list:
        if type(string_x) == str:
            y.append(string_x.replace('\n', ''))
        else:
            y.append(string_x)
    return y



for c in df20.columns:

    df20[c] = df20[c].apply(remove_spec_char)

print(df20)

Answer 2

试试：

df['date']=df['date'].str[0].str.replace(r"\n", "")

这是在假设 date 列中的每个单元格是一个只有 1 个元素的列表的情况下。它也会将其展平 - 因此您将从该单个元素中获取字符串。

如果 date 可以包含多个元素，并且您希望在摆脱所有 \n 后将它们全部合并为单个字符串 - 尝试

df['date']=df['date'].str.join('').str.replace(r"\n", "")

否则，如果您希望将其保留为列表格式，只需剥离 \n 的所有元素尝试（&& 是临时分隔符）：

df['date']=df['date'].str.join(r'&&').str.replace(r"\n", "").str.split(r'&&')