在pandas数据框中识别含标点的行

Question

我有一个包含名字的数据表，这些名字已经被处理过：

    **FIRST_NAME**
    Jon
    Colleen
    William
    Todd
    J.-
    &Re Inc
    123Trust

我创建了一个新列，用来标记名字是好还是坏：

    df['BAD']=pd.Series(np.zeros(1),index = df.index)

    **FIRST_NAME**        **BAD**
    Jon                     0
    Colleen                 0
    William                 0
    Todd                    0
    J-Crew                  0
    &Re Inc                 0
    123Trust                0

我想要更新，如果一个名字包含标点符号、数字或者空格，就把BAD标记为1。

    **FIRST_NAME**        **BAD**
    Jon                     0
    Colleen                 0
    William                 0
    Todd                    0
    J-Crew                  1
    &Re Inc                 1
    123Trust                1

这是我的代码：

    punctuation = '!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ 1234567890'
    i=0
    while i <int(len(dfcopy)): 
        for p in punctuation1:
            if (df['Bad'][i]==1):
                df['Bad'][i]=1
            elif(p in list(df.iloc[i,1])and df['Bad'][i]==0):
                df['Bad'][i]=1
            else:
                df['Bad'][i]=0
        i=i+1

有没有更快的方法来做到这一点？

Answer 1

还有一种解决方案，利用了pandas的Series字符串处理功能：

In [130]: temp
Out[130]:
       index                 time  complete
row_0      2                 test         0
row_1      3  2014-10-23 14:00:00         0
row_2      4  2014-10-26 08:00:00         0
row_3      5  2014-10-26 10:00:00         0
row_4      6  2014-10-26 11:00:00         0

In [131]: temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~ 1234567890]""")
Out[131]:
row_0    False
row_1     True
row_2     True
row_3     True
row_4     True
Name: time, dtype: bool

In [135]: temp['is_bad'] = temp.time.str.contains("""[!"#$%&\'()*+,-./:;<=>?@[\\]^_`{|}~1234567890]""").astype(int)


In [136]: temp
Out[136]:
       index                 time  complete  is_bad
row_0      2                 test         0       0
row_1      3  2014-10-23 14:00:00         0       1
row_2      4  2014-10-26 08:00:00         0       1
row_3      5  2014-10-26 10:00:00         0       1
row_4      6  2014-10-26 11:00:00         0       1

pandas.Series.str.contains可以接受一个正则表达式模式来进行匹配。

Answer 2

df['Bad'] = df.First_Name.map(lambda v: any(char in v for char in punctuation))

还有一种可能性：把你的标点符号变成一个集合，使用 punctuation = set(punctuation)。这样你就可以这样做：

df['Bad'] = df.First_Name.map(lambda v: bool(set(v) & punctuation))

另外，如果你只是想知道字符串中的所有字符是否都是字母，你可以这样做：

df['Bad'] = df.First_Name.map(lambda v: v.isalpha())