python - 更快地删除 pandas 数据框列中的标点符号和特殊字符的方法

Question

我正在使用下面的代码从 pandas 数据框中的列中删除特殊字符和标点符号。但是这种使用 regex.sub 的方法并不省时。我可以尝试其他选项来提高时间效率并删除标点符号和特殊字符吗？或者我删除特殊字符并将其解析回列的方式，pandas dataframe 导致了我的主要计算消耗？

for n, string in data['text'].iteritems():
   data['text'] = re.sub('([{string.punctuation}“”¨«»®´·º½¾¿¡§£₤‘’])','', string)

Answer 1

一种方法是只保留字母数字。考虑这个数据框

df=pd.DataFrame({'Text':['#^#346fetvx@!.,;:', 'fhfgd54@!#><?']})

    Text
0   #^#346fetvx@!.,;:
1   fhfgd54@!#><?

你可以使用

df['Text'] = df['Text'].str.extract('(\w+)', expand = False)

    Text
0   346fetvx
1   fhfgd54