python - 过滤掉包含非字母数字字符的行

Question

我正在尝试从现有的 DataFrame 中获取一个 DataFrame，该 DataFrame 仅包含特定列(其值为字符串)中的值不包含特定字符的行。

即如果我们不想要的字符是 '('

原始数据框:

   some_col my_column
0         1      some
1         2      word
2         3    hello(

新数据框:

   some_col my_column
0         1      some
1         2      word

我试过 df.loc['(' not in df['my_column']]，但这不起作用，因为 df['my_column'] 是一个系列对象。

我也尝试过:df.loc[not df.my_column.str.contains('(')]，它也不起作用。

Answer 1

你正在寻找 str.isalpha:

df[df.my_column.str.isalpha()]

   some_col my_column
0         1      some
1         2      word

类似的方法是str.isalnum，如果你想保留字母和数字。

如果你想处理字母和空白字符，使用

df[~df.my_column.str.contains(r'[^\w\s]')]

   some_col my_column
0         1      some
1         2      word

最后，如果您想要删除整个标点符号，我在这里写了一个问答，这可能是一个有用的读物​​:Fast punctuation removal with pandas