python - 从 pandas 列的字符串列表中删除数字

Question

我有这个 pandas 数据框

0  Tokens 
1: 'rice', 'XXX', '250g'
2: 'beer', 'XXX', '750cc'

这里的所有标记，“rice”，“XXX”和“250g”都在同一个字符串列表中，也在同一列中

我想删除数字，因为换句话说， 数字无法删除。

我尝试过这段代码:

def remove_digits(tokens):
    """
    Remove digits from a string
    """
    return [''.join([i for i in tokens if not i.isdigit()])]

df["Tokens"] = df.Tokens.apply(remove_digits)
df.head()

但它只加入了字符串，我显然不想这样做。

我想要的输出:

0  Tokens
1: 'rice' 'XXX' 'g'
2: 'beer', 'XXX', 'cc'

Answer 1

这可以使用 pandas 方法实现，这些方法是矢量化的，因此比循环更有效。

import pandas as pd

df = pd.DataFrame({"Tokens": [["rice", "XXX", "250g"], ["beer", "XXX", "750cc"]]})

col = "Tokens"
df[col] = (
    df[col]
    .explode()
    .str.replace("\d+", "", regex=True)
    .groupby(level=0)
    .agg(list)
)
#             Tokens
# 0   [rice, XXX, g]
# 1  [beer, XXX, cc]

这里我们使用:

• pandas.Series.explode将一系列列表转换为行
• pandas.Series.str.replace将出现的 \d(数字 0-9)替换为 ""(无)
• pandas.Series.groupby按索引 (level=0) 对系列进行分组，并将它们放回列表 (.agg(list))