gpt4 book ai didi

python - Python中删除多列中的非中文元素

转载 作者:行者123 更新时间:2023-12-01 06:25:02 26 4
gpt4 key购买 nike

我正在努力删除 v1v3 的字母(a-z 和 A-Z)、数字和标点符号,并仅保留汉字以下数据框。

    id       v1                      v2                     v3
0 1 泥岗路 红岗花园12栋110房 NaN
1 2 沙井街道 万丰路 东侧
2 3 中心区 N15区 幸福·海岸10栋A座11A
3 4 龙岗镇 南联村 长海雅园2栋D301D302房产
4 5 蛇口工业区 兴华路 海滨花园多层海滨花园兰山楼06栋504房产
5 6 宝安路 松园·南九巷综合楼10栋103 NaN
6 7 宝安路 松园·南九巷综合楼10栋203 NaN
7 8 龙岗镇 中心城 尚景华园12栋307房
8 9 沙河西路 西博海名苑1栋30C房产 NaN
9 10 华侨城香山中路 天鹅堡三期P栋4D房 NaN
10 11 布吉镇 德福花园德福豪苑C4栋C5栋C4座1403房 NaN

我尝试过的代码可以工作,但它留下了一些标点符号:

cols = ['v1', 'v2', 'v3']
df[cols] = df[cols].apply(lambda x: x.str.replace(r'[\x00-\x7F]+', ''))

输出:

         v1            v2                v3
0 泥岗路 红岗花园栋房 NaN
1 沙井街道 万丰路 东侧
2 中心区 区 幸福·海岸栋座
3 龙岗镇 南联村 长海雅园栋房产
4 蛇口工业区 兴华路 海滨花园多层海滨花园兰山楼栋房产
5 宝安路 松园·南九巷综合楼栋 NaN
6 宝安路 松园·南九巷综合楼栋 NaN
7 龙岗镇 中心城 尚景华园栋房
8 沙河西路 西博海名苑栋房产 NaN
9 华侨城香山中路 天鹅堡三期栋房 NaN
10 布吉镇 德福花园德福豪苑栋栋座房 NaN

如何改进代码?谢谢。

最佳答案

您可以使用下一个正则表达式,它仅收集中文字符:

cols = ['v1', 'v2', 'v3']
df[cols] = df[cols].apply(lambda x: x.str.replace(r'[^\u4e00-\u9FFF]+', ''))

如果你想保留空格,可以添加\s

cols = ['v1', 'v2', 'v3']
df[cols] = df[cols].apply(lambda x: x.str.replace(r'[^\u4e00-\u9FFF\s]+', ''))

关于python - Python中删除多列中的非中文元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60202641/

26 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com