删除数据帧列中的数字

Question

我将数据刮到一个数据框中，该数据框现在看起来如下所示：

    Name                Height(inches)
0   2 Snigdho Hasan     65
1   3 Michael Valentin  69
2   4 Andres Vargas     72
3   7 Jasper Diangco    70
4   9 Sayuj Zachariah   74
5   13 Omar Rezika      74
6   14 Gabriel Pjatak   75
7   16 Ryan Chabel      71

我删除了特殊字符，但需要删除每个名称前面的索引

df_final = pd.DataFrame()
df_final['Name'] = full_name
df_final['Name'].replace(r'\s+|\\n', ' ', regex = True, inplace = True)
df_final['Height(inches)'] = height[:min_length]

有什么建议吗

Answer 1

您可以尝试使用正则表达式：

import re
string_1 = '612156 jose mauricio'
re.sub("^[\d-]*\s*",'',string_1)

您的输出将是：

'jose mauricio'

您可以使用上面的代码定义一个函数并在数据帧中应用，如：

def remove_first_numbers(text):
    return re.sub("^[\d-]*\s*",'',text).lstrip() 
#I'm adding the .lstrip() to remove any leading white spaces, just in case!

df_final['Name'] = df_final['Name'].apply(remove_first_numbers)

Answer 2

好吧，你已经去掉了空白：

df_final['Name'].replace(r'\s+|\\n', ' ', regex = True, inplace = True)

• 要匹配换行符（\n），只要使用raw string literal（the r''），就不需要双斜杠
• 是否确实要将\n替换为空格？我想你可能想把它完全移除。（您的示例没有显示换行符，因此很难判断。）
• 空格是在关键字参数的=周围的not recommended。如果你打破了这个惯例，你的代码仍然可以正常运行，但至少其他程序员阅读你的代码会比较困难
• inplace也是not exactly recommended, and may even be deprecated in future。看起来它的内存效率更高，但实际上它通常会在引擎盖下创建一个副本

假设代码中的full_name是名称序列（列），这将删除所有数字，然后清除左右两侧的所有空白（空格和/或换行符），只留下名字和姓氏：

df_final['Name'] = full_name.replace(r'\d+', '', regex=True).str.strip()

（这是一个即时解决方案，但取决于原始数据的格式，我怀疑可能有一种方法可以将数据刮到数据帧中，从而提前避免这种情况。）