使用 Canopy 和 Pandas,我有一个数据框 a,它的定义如下:
上述命令基本上只是返回了相同的数据集。感谢任何线索。
编辑:我使用Pandas的原因是数据很大,跨越约1M行,并且将来编码的使用将应用于长度为30M行的列表。 长话短说,我需要以非常高效的方式清理大数据集中的数据。
a=pd.read_csv('text.txt')
df=pd.DataFrame(a)
df.columns=["test"]
test.txt是一个单列文件,包含了一系列包含文本、数字和标点符号的字符串。
假设数据框(df)如下:
test
%hgh&12
abc123!!!
porkyfries
我希望我的结果如下:
test
hgh12
abc123
porkyfries
目前为止的努力:
from string import punctuation /-- import punctuation list from python itself
a=pd.read_csv('text.txt')
df=pd.DataFrame(a)
df.columns=["test"] /-- define the dataframe
for p in list(punctuation):
...: df2=df.med.str.replace(p,'')
...: df2=pd.DataFrame(df2);
...: df2
上述命令基本上只是返回了相同的数据集。感谢任何线索。
编辑:我使用Pandas的原因是数据很大,跨越约1M行,并且将来编码的使用将应用于长度为30M行的列表。 长话短说,我需要以非常高效的方式清理大数据集中的数据。