Pandas：如何从列中删除数字和特殊字符

Question

我试图从列中删除除alpha和空格以外的所有字符，但当我使用代码执行相同操作时，它将输出为'nan'，而不是NaN（空值）

输入数据：

col1

ABC ad
YQW \2
AQ4 GH
@34
#45
NaN

预期产出：

col1

ABC ad
YQW
AQ GH
NaN
NaN
NaN

我一直在使用的代码：

df['col1'] = df['col1'].astype(str).str.extract(r'([A-Za-z]+(?: [A-Za-z]+)*)')

稍后，我将使用此列检查NaN的条件，但它没有给出，因为在执行上述脚本后，它将NaN值更改为'nan'

注意：如果不通过.astype(str)转换为字符串，我的数据将

AttributeError: Can only use .str accessor with string values!

Answer 1

您可以通过以下步骤执行此操作：

1. 首先，用空字符串替换NaN值（我们也可以在删除字符后得到空字符串，然后将其转换回NaN）
2. 如果列中的某些元素是非字符串，则通过^{}将列强制转换为字符串类型
3. 用正则表达式^{}替换非alpha和非空的空字符串
4. 最后，将空字符串替换为NaN为^{}

（注意：前两个步骤是针对OP获取AttributeError: Can only use .str accessor with string values!的问题的特殊处理，尽管我专门添加整数和浮点（不是字符串中的整数和浮点，而是实数值）的测试在没有前两个步骤的情况下也没有问题。可能是其他一些特殊数据类型！）没有相同问题的其他用户只能使用从str.replace()开始的最后两个步骤

---

df['col1'] = df['col1'].fillna('').astype(str).str.replace(r'[^A-Za-z ]', '', regex=True).replace('', np.nan, regex=False)

结果:

print(df)


     col1
0  ABC ad
1    YQW 
2   AQ GH
3     NaN
4     NaN
5     NaN

---

注意，我们不能在这里使用.extract()，而必须使用.replace()来去除不需要的字符。像'ab c1d2@ef4'这样的字符串怎么样？使用什么正则表达式模式只提取数字和特殊字符后面的字母和空格？别忘了，我们必须考虑一般情况，而不仅仅是这里的样本数据。我们能在这里引用所有可能的正则表达式模式来处理无限多的alpha、空格、数字和特殊字符模式的组合吗

Answer 2

另一种方法是提取字母数字，但排除数字。请参阅下面的代码

df['col1']=df['col1'].str.extract('(\w+\s\w+[^0-9]|\w+[^0-9])')

    col1
0  ABC ad
1    YQW 
2  AQ4 GH
3     NaN
4     NaN
5     NaN