如何在 Pandas 数据框中从字符串术语中删除数字

Question

我有一个类似于以下数据框的数据：

Name    Volume  Value
May21   23      21321
James   12      12311
Adi22   11      4435
Hello   34      32454
Girl90  56      654654

我希望输出的格式为：

Name    Volume  Value
May     23      21321
James   12      12311
Adi     11      4435
Hello   34      32454
Girl    56      654654

想要从名称列中删除所有数字。

我最接近的方法是使用以下代码在单元格级别进行操作：

result = ''.join([i for i in df['Name'][1] if not i.isdigit()])

有什么更好的方法在系列/数据框级别上完成它吗。

- mank

Answer 1

你可以使用正则表达式将 Name 列与 str.replace 结合起来进行应用：

import pandas as pd

# Example DataFrame
df = pd.DataFrame.from_dict({'Name'  : ['May21', 'James', 'Adi22', 'Hello', 'Girl90'],
                             'Volume': [23, 12, 11, 34, 56],
                             'Value' : [21321, 12311, 4435, 32454, 654654]})

df['Name'] = df['Name'].str.replace('\d+', '')

print(df)

输出：

    Name   Value  Volume
0    May   21321      23
1  James   12311      12
2    Adi    4435      11
3  Hello   32454      34
4   Girl  654654      56

在正则表达式中，\d 表示“任何数字”，+ 表示“一个或多个”。

因此，str.replace('\d+', '') 的意思是：“用空字符串替换字符串中出现的所有数字”。

- Milo

Answer 2

你可以这样做：

df.Name = df.Name.str.replace('\d+', '')

要玩和探索，请查看在线正则表达式演示，链接在这里：https://regex101.com/r/Y6gJny/2

任何与模式 \d+ 匹配的内容，即一个或多个数字，都将被替换为空字符串。

- Mohammad Yusuf

Answer 3

.str不是必须的。您可以使用Pandas dataframe.replace或series.replace与regex=True参数。

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

如果您想更改源数据框，请使用 inplace=True。

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

- Daniil Mashkin

---

我们可以使用这个工具来移除坏数据，例如数字值之间有空格吗？比如 "12 445"。 - curiouscheese

Answer 4

虽然问题听起来更为普遍，但示例输入只包含尾部数字。在这种情况下，您不必使用正则表达式，因为.rstrip（也可通过Series对象的.str访问器进行访问）可以完美地解决这个问题。

import string
df['Name'] = df['Name'].str.rstrip(string.digits)

同样地，您可以使用 .lstrip 方法从开头删除任何数字，或者使用 .strip 方法来移除每个字符串开头和结尾的任何数字。

- Andras Deak -- Слава Україні