python - 如何有效地删除所有数字作为 Pandas 的数据清理？

Question

这是我的数据集

id                                             descriptions
0                       kartu debit 20 10 indomaretcipete r
1                                         tarikan atm 20 10
2                                         tarikan atm 19 10
3                                                 biaya adm
4                       trsf 18 10 wsid 23881 indah lestari

这是我做的

def cleaning(text):
    stops = {'10', '18','19', '20', '23881'}
    text = [word for word in text if not word in stops]
    text = " ".join(text)
return(text)

df['description_clean'] = df['description'].apply(cleaning)

这是我得到的

  id                                              descriptions
  0                             kartu debit indomaretcipete r
  1                                               tarikan atm
  2                                               tarikan atm
  3                                                 biaya adm
  4                                   trsf wsid indah lestari

这不是有效的，我一直添加新数字来改进停用词，一次怎么做？

Answer 1

IIUC，您需要从数据框中删除数字，使用如下:

df_new=df.replace('\d+ ','',regex=True)
print(df_new)

   id                   descriptions
0   0  kartu debit indomaretcipete r
1   1                 tarikan atm 10
2   2                 tarikan atm 10
3   3                      biaya adm
4   4        trsf wsid indah lestari

对于一个系列:df['descriptions']=df['descriptions'].replace('\d+ ','',regex=True)

注意:根据您的示例，我在正则表达式中的 d+ 之后添加了一个空格，如果您愿意，也可以不用它。