如何从列名中删除非ASCII字符和空格

Question

我有一个数据帧。许多列名具有非ASCII字符和特殊字符如（），/，+。（中间的非ASCII点）和<强>非ASCII空间< /强>strong>读取csv时未发生此情况。这是由于一次热编码造成的。（当我将分类变量转换为数字列时，类别值具有非ascii值）

df

Col1/name   Col 2() name    Col3 + name    Col4 ^¨ name   etc...

预期产出

我只想在列名中添加数字、下划线和字符（我只想更改列名，而不是数据框或行中的任何值）。这是必要的，因为某些机器学习算法（如lightGBM）无法处理列名中的非ASCII字符或非ASCII空格

预期输出df:

Col1name   Col_2_name    Col3__name    Col4__name   etc...

因此，用下划线替换空格并删除列名中的任何非数字和非字符

Answer 1

您可以使用方法replace：

df.columns.str.replace('\s+', '_').str.replace('\W+', '')

输出：

Index(['Col1name', 'Col_2_name', 'Col3__name', 'Col4__name'], dtype='object')

可以使用str.replace('_{2,}', '_')删除多个下划线

Answer 2

使用pandas.Series.str.replace和findall的一种方法：

df.columns = ["".join(l) for l in df.columns.str.replace("\s", "_").str.findall("[\w\d]+")]
print(df)

输出：

Empty DataFrame
Columns: [Col1name, Col_2_name, Col3__name, Col4__name]
Index: []