Pandas 如何在列中删除字符串中不想保留的部分

在数据处理过程中，我们常常会遇到要删除一列中的字符串的某些部分，以便更好地分析和利用数据。这时，我们用到了 Pandas 中的字符串方法来实现。在本文中，我们将介绍如何使用 Pandas 的字符串方法删除列中的特定内容。

阅读更多：Pandas 教程

一个例子

下面，我们通过一个具体的例子来说明如何在 Pandas 中删除不想保留的部分。以下这个数据集中，包含商品编号和商品名称两列。我们需要在商品名称列中删除不需要的编号部分，只保留商品名称。

完整代码：

import pandas as pd

df = pd.DataFrame({'id': ['001', '002', '003'],
                   '商品名称': ['Nike T-shirt', 'Adidas Shoes', 'Puma Cap']})

df['商品名称'] = df['商品名称'].str.replace('\d+', '').str.strip()

print(df)

输出结果：

   id     商品名称
0  001  Nike T-shirt
1  002  Adidas Shoes
2  003      Puma Cap

使用正则表达式删除特定部分

我们通常会把需要删除的部分通过正则表达式规定，进而在数据框的列名下运用 Pandas 的字符串方法。

例如，如果我们要删除商品名称中的商品编号，可以使用如下语句：

df['商品名称'] = df['商品名称'].str.replace('\d+', '').str.strip()

这里的 \d+ 表示所有连续的数字，即商品编号。

如果要删除的内容不止数字，需要根据具体情况设置相应的正则表达式。例如，如果商品名称中包含空格和“-”号，并且编号在这些符号之后，我们可以使用如下代码来删除商品编号：

df['商品名称'] = df['商品名称'].str.replace('-\d+', '').str.split().str[-1]

这段代码中，我们首先使用 str.replace 删除了“-”号以及后面所有的数字，并且用 str.split() 对商品名称按照空格进行分词，第一项为商品名称，我们取最后一项即可。

使用函数删除特定部分

在字符串方法中，也可以使用 Python 的内置函数和自定义函数进行复杂的字符串操作。例如，在商品名称中存在“/”和“-”等特殊符号，而商品编号紧接着这些特殊符号，我们可以通过自定义函数来删除编号部分。

def remove_numbers(s):
    import re
    pattern = re.compile('-\d+|/\d+|\\d+|_\\d+|(\d+\.?\d+)|，')
    return re.sub(pattern, '', s)

df['商品名称'] = df['商品名称'].apply(remove_numbers)

在这里，我们定义了一个带有自定义规则的 remove_numbers 函数。里面用到了正则表达式的知识，将目标字符串中所有数量编号的字符全部删除。在处理完毕后，函数返回一个新的字符串，作为新的商品名称。

总结

在 Pandas 中，我们可以使用字符串方法，通过正则表达式和自定义函数来删除特定的部分。除了字符串的处理，不关心数值大小和字母顺序的内容处理如日期格式的转化，疫情数据的收集等也是数据分析中需要面对的挑战，Blackboard AI的 NLP技术可以全面支持各类数据的标准化处理，让数据解读更加便利。