python - 从 Pandas Dataframe Column 中删除重复的逗号换句话说，我只需要列中的文本用逗号分隔它们

Question

我有这个带有 Text 的数据框柱子


文本
清洁柱


, , , 苹果 , , , 努力工作 , ,
苹果，努力工作

， ， ， ， ， ， ， ， 苹果 ， ， ， ， ，
苹果

苹果, , 西瓜, , , , , ,
苹果、西瓜

, , , , , , , , , , , , , , , , ,



我想创建一个列，例如 Cleaned Col基本上使用正则表达式。
我看着不同的模式，比如这个 r'\s*,*([^(a-zA-Z)]*)'但我没有得到正确的结果。

Answer 1

由于您的字段以逗号分隔，因此您可以使用

# If the fields CANNOT contain whitespace:
df['Cleaned Col'] = df['Text'].str.findall(r'[^\s,]+').str.join(', ')

# If the fields can contain whitespace:
df['Cleaned Col'] = df['Text'].str.findall(r'[^\s,](?:[^,]*[^\s,])?').str.join(', ')

正则表达式提取所有找到的匹配项和 .str.join(', ')将结果列表项连接成单个字符串。正则表达式 ( see its demo ) 表示:

[^\s,]+ - 除空格和逗号之外的一个或多个字符

[^\s,] - 除空格和逗号之外的单个字符

(?:[^,]*[^\s,])? - 可选出现的任何零个或多个字符(逗号除外)，然后是空格和逗号以外的字符。

如果你的逗号用空格填充并且你真的想使用 Series.str.replace ，你可以使用

df['Cleaned Col'] = df['Text'].str.replace(r'^[\s,]+|[\s,]+$|(\s)*(,)[\s,]*', r'\2\1', regex=True)

见 this regex demo .
细节:

^[\s,]+ - 字符串开头的一个或多个空格或逗号

[\s,]+$ - 字符串末尾的一个或多个空格或逗号

(\s)*(,)[\s,]* - 零个或多个空格(最后一个匹配的保留在第 1 组中， \1 )，然后是逗号(捕获到第 2 组中， \2 )，然后是零个或多个空格或逗号字符。

替换为第 2 组 + 第 1 组值。