python/pandas 中有没有办法从字符串中删除一组特定的字符

Question

有没有办法一次性从 python 字符串中删除一组特定的字符？

str='23.889,45 €'

我想删除点 '.'和'€'符号，但我不想像str.replace('€','').replace('.',''), whereby replacing the characters with white space那样使用replace()函数两次。

在 SAS 中有一个函数compress，它接受要删除的字符列表，并且在应用该函数时，SAS 字符串中的所有字符都将被删除。例如：compress(str,'.€') 将返回 str as 23889,45。

Python中也有对应的函数吗？

Answer 1

你说的压缩函数一定是这样的：

str='23.889,45 €'

charsToRemove = ["$", ".", "€"]

def compress(str, charsToRemove):
    for i in range(len(charsToRemove)):
        str = str.replace(charsToRemove[i], '')
    return str

print compress(str, charsToRemove) # returns '23889,45 '

Answer 2

去除多个字符

您可以使用正则表达式来执行多个字符替换。

您感兴趣的构造可以是character class 或grouping 和alternation。

字符类是[...]，其中包含字符、字符范围或速记字符类，而交替组是(...|....|.....) 类似的模式。在这两种结构中使用文字字符可能会出现问题，但re.escape 来拯救：它会确保您传递给正则表达式的字符被视为文字字符。

查看 Python 3 演示：

>>> import re
>>> charsToRemove = ["$", ".", "€"]
>>> s='23.889,45 €'
>>> print(re.sub("|".join([re.escape(x) for x in charsToRemove]), "", s)) # Alternation group
23889,45 
>>> print(re.sub(r"[{}]+".format("".join([re.escape(x) for x in charsToRemove])), "", s)) # Character class
23889,45 

在 Pandas 中，你会使用

df['col'].str.replace(r"[{}]+".format("".join([re.escape(x) for x in charsToRemove])),"", regex=True, inplace=True)

请注意，字符类方法 ([...]+) 会更快工作。

多次替换

您可以考虑创建一个替换字典，然后将其与 Pandas replace 一起使用：

>>> from pandas import DataFrame
>>> import pandas as pd
>>> import regex
>>> repl_list = {'€':'$', ',':'.', r'\.': ''}
>>> col_list = ['23.889,45 €']
>>> frame = pd.DataFrame(col_list, columns=['col'])
>>> frame['col'].replace(repl_list, regex=True, inplace=True)
>>> frame['col']
0    23889.45 $

要使其工作，您必须使用regex=True 参数并添加import re，因为repl_list 中的所有键都是正则表达式。不要忘记在那里转义特殊的正则表达式字符。请参阅What special characters must be escaped in regular expressions? 或者，您可以将r'\.' 写为re.escape('.')。