我有一个由 4 行组成的 pandas 数据框，英文行包含新闻标题，一些行包含像这样的非英文单词
**She’s the Hollywood Power Behind Those ...**
我想删除所有像这样的行，所以所有在 Pandas 数据框中至少包含非英文字符的行。
【问题讨论】：
string.ascii_letters 和 string.digits 属性。
标签： python python-3.x pandas dataframe
如果使用 Python >= 3.7：
df[df['col'].map(lambda x: x.isascii())]
col 是您的目标列。
数据：
df = pd.DataFrame({
'colA': ['**She’s the Hollywood Power Behind Those ...**',
'Hello, world!', 'Cainã', 'another value', 'test123*', 'âbc']
})
print(df.to_markdown())
| | colA |
|---:|:------------------------------------------------------|
| 0 | **She’s the Hollywood Power Behind Those ...** |
| 1 | Hello, world! |
| 2 | Cainã |
| 3 | another value |
| 4 | test123* |
| 5 | âbc |
识别和过滤非英文字符的字符串（参见ASCII printable characters）：
df[df.colA.map(lambda x: x.isascii())]
输出：
colA
1 Hello, world!
3 another value
4 test123*
最初的方法是使用这样的用户定义函数：
def is_ascii(s):
try:
s.encode(encoding='utf-8').decode('ascii')
except UnicodeDecodeError:
return False
else:
return True
【讨论】：
您可以使用regex 来执行此操作。
安装文档是here。 （只是一个简单的 pip install regex）
import re
并使用[^a-zA-Z] 对其进行过滤。
分解：
^：不是
a-z：小写字母
A-Z：大写字母
【讨论】：