python - 在 Python 中替换字符会返回 TypeError : string operation on non-string array

Question

我有一个数据框“数据”，我想用任何内容替换给定列中的所有标点符号(所以我想删除它们)。

在使用神经网络之前，我使用 Python 3、Pandas 和 Numpy 预先格式化一些文本。

symbols = "!\"#$%&()*+-./:;<=>?@[\]^_`{|}~\n"
dataClean = data['description']

for i in symbols:
    dataClean = np.char.replace(dataClean,i,"")

我预计，对于 dataClean 中的每个项目(从 0 到 2549)，每行中包含的每个字符串都会被删除。 但我得到了返回:

TypeError                                 Traceback (most recent call last)
<ipython-input-87-aa944ae6e61c> in <module>
      3 
      4 for i in symbols:
----> 5     dataClean = np.char.replace(dataClean,i,"")
      6 
      7 print(dataClean[2])

~\Anaconda3\lib\site-packages\numpy\core\defchararray.py in replace(a, old, new, count)
   1184     return _to_string_or_unicode_array(
   1185         _vec_string(
-> 1186             a, object_, 'replace', [old, new] + _clean_args(count)))
   1187 
   1188 

TypeError: string operation on non-string array

Answer 1

如果dataClean是Pandas系列字符串，您可以使用Series.str.translate方法:

symbols = "!\"#$%&()*+-./:;<=>?@[\]^_`{|}~\n"
dataClean = data['description']
dataClean = dataClean.str.translate({ord(symbol):"" for symbol in symbols})

---

例如，假设我们有 DataFrame，df:

In [59]: df = pd.DataFrame({'data':['[Yes?]', '(No!)', 100]}); df
Out[59]: 
     data
0  [Yes?]
1   (No!)
2     100

然后我们可以做一个dict将 unicode 序数映射到字符串(或者在本例中为空字符串):

In [52]: symbols = "!\"#$%&()*+-./:;<=>?@[\]^_`{|}~\n"
In [57]: {ord(symbol):"" for symbol in symbols}
Out[57]: 
{33: '',
 34: '',
 ...
 126: '',
 10: ''}

每个 unicode 序数，或 code point它对应于一个 unicode 字符。 Python3 字符串是 unicode 字符序列。对于系列中的每个字符串，translate 方法会将字符串中的每个字符替换为字典映射给出的相应字符串。

In [60]: df['data'].str.translate({ord(symbol):"" for symbol in symbols})
Out[60]: 
0    Yes
1     No
2    NaN
Name: data, dtype: object

请注意，translate 将非字符串(例如第三行中的 100)映射为 NaN。