如何删除除字母、数字和！ ? . ; , @ ' 在 python pandas df 中使用正则表达式？答案

【问题标题】：how to remove everything but letters, numbers and ! ? . ; , @ ' using regex in python pandas df?如何删除除字母、数字和！ ? . ; , @ ' 在 python pandas df 中使用正则表达式？
【发布时间】：2020-04-25 11:24:48
【问题描述】：

我正在尝试删除除字母、数字和！ ? . ; , @' 来自我的 python pandas 列文本。我已经阅读了有关该主题的其他一些问题，但仍然无法使我的工作。

这是我正在做的一个例子：

import pandas as pd
df = pd.DataFrame({'id':[1,2,3,4],
                  'text':['hey+ guys! wuzup',
                              'hello p3ople!What\'s up?',
                              'hey, how-  thing == do##n',
                              'my name is bond, james b0nd']}
                )

那么我们有下表：

id                         text
1              hey+ guys! wuzup
2      hello p3ople!What\'s up?
3     hey, how-  thing == do##n
4   my name is bond, james b0nd

现在，尝试删除除字母、数字和 ! ? . ; ,@'

第一次尝试：

df.loc[:,'text'] = df['text'].str.replace(r"^(?!(([a-zA-z]|[\!\?\.\;\,\@\'\"]|\d))+)$",' ',regex=True)

输出

id                         text
1              hey+ guys! wuzup
2       hello p3ople!What's up?
3      hey, how- thing == do##n
4   my name is bond, james b0nd

第二次尝试

df.loc[:,'text'] = df['text'].str.replace(r"(?i)\b(?:(([a-zA-Z\!\?\.\;\,\@\'\"\:\d])))",' ',regex=True)

输出

id                         text
1                  ey+ uys uzup
2              ello 3ople hat p
3            ey ow- hing == o##
4          y ame s ond ames 0nd

第三次尝试

df.loc[:,'text'] = df['text'].str.replace(r'(?i)(?<!\w)(?:[a-zA-Z\!\?\.\;\,\@\'\"\:\d])',' ',regex=True)

输出

id                         text
1                 ey+ uys! uzup
2           ello 3ople! hat' p?
3           ey, ow- hing == o##
4         y ame s ond, ames 0nd

Afterwars，我也尝试使用相同的正则表达式模式使用 re.sub() 函数，但仍然没有得到预期的结果。就是这个预期的结果如下：

id                         text
1               hey guys! wuzup
2       hello p3ople!What's up?
3          hey, how-  thing don
4   my name is bond, james b0nd

谁能帮我解决这个问题？

我在该主题上看到的链接：

Is there a way to remove everything except characters, numbers and '-' from a string

How do check if a text column in my dataframe, contains a list of possible patterns, allowing mistyping?

removing newlines from messy strings in pandas dataframe cells?

https://stackabuse.com/using-regex-for-text-manipulation-in-python/

【问题讨论】：

“如何提问”的基本示例。示例数据框、您的尝试、预期输出和接近答案的链接。 +1
这仍然是一个不清楚的问题。如果用字母和数字表示[A-Za-z0-9]，您如何定义连字符和其他一些字符？
我对其进行了编辑以指定其他字符的含义！并感谢@Erfan :)

标签： regex python-3.x string pandas text-mining

【解决方案1】：

这是你要找的吗？

df.text.str.replace("(?i)[^0-9a-z!?.;,@' -]",'')
Out: 
0                hey guys! wuzup
1        hello p3ople!What's up?
2          hey, how-  thing  don
3    my name is bond, james b0nd
Name: text, dtype: object

【讨论】：