如何删除数据帧中具有特定字符的子字符串？

Question

我有一个熊猫数据框，看起来像这样：

COL

hi A/P_90890 how A/P_True A/P_/93290 are AP_wueiwo A/P_|iwoeu you A/P_?9028k ?
...
 Im  fine, what A/P_49 A/P_0.0309 about you?

预期结果应该是：

COL

hi how are you?
...
Im fine, what about you?

如何有效地从列和整个数据帧中删除具有a/P的所有字符串？

我尝试使用以下正则表达式：

A/P_(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+

然而，我不知道是否有更简单或更健壮的方法从我的数据框中删除所有这些子串。如何删除开头有A/P_的所有字符串？

更新

我试过：

df_sess['COL'] = df_sess['COL'].str.replace(r'A/P(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+', '')

它是有效的，但是我想知道是否有更有效的方法。可能是一个正则表达式。

Answer 1

因为熊猫0.23。replace（）函数中存在0个错误(https://github.com/pandas-dev/pandas/issues/21159)尝试用正则表达式模式替换时，会发生以下错误：

df.COL.str.replace(regex_pat, '', regex=True)
...
--->
TypeError: Type aliases cannot be used with isinstance().

我建议使用熊猫。Series.apply函数与预编译正则表达式模式：

In [1170]: df4 = pd.DataFrame({'COL': ['hi A/P_90890 how A/P_True A/P_/93290 are AP_wueiwo A/P_|iwoeu you A/P_?9028k ?', 'Im  fine, what A/P_49 A/P_0.0309 about you?']})

In [1171]: pat = re.compile(r'\s*A/?P_[^\s]*')

In [1172]: df4['COL']= df4.COL.apply(lambda x: pat.sub('', x))

In [1173]: df4
Out[1173]: 
                         COL
0           hi how are you ?
1  Im  fine, what about you?

Answer 2

怎么样：

(df['COL'].replace('A[/P|P][^ ]+', '', regex=True)
          .replace('\s+',' ', regex=True))

完整示例：

import pandas as pd

df = pd.DataFrame({
    'COL': 
    ["hi A/P_90890 how A/P_True A/P_/93290 AP_wueiwo A/P_|iwoeu you A/P_?9028k ?",
    "Im  fine, what A/P_49 A/P_0.0309 about you?"]
})

df['COL'] = (df['COL'].replace('A[/P|P][^ ]+', '', regex=True)
                      .replace('\s+',' ', regex=True))

返回（哦，之前还有一个额外的空间？）：

                        COL
0              hi how you ?
1  Im fine, what about you?

Answer 3

一种方法是使用\S*匹配A/P_后面的所有非空间，并添加\s来删除要删除的字符串后面的空白，例如：

df_sess['COL'] = df_sess['col'].str.replace(r'A/P_\S*\s', '')

在你的输入中，似乎有一个错别字错误（或者至少我是这么认为的），所以对于这个输入：

df_sess = pd.DataFrame({'col':['hi A/P_90890 how A/P_True A/P_/93290 are A/P_wueiwo A/P_|iwoeu you A/P_?9028k ?',
                              'Im fine, what A/P_49 A/P_0.0309 about you?']})
print (df_sess['col'].str.replace(r'A/P_\S*\s', ''))
0            hi how are you ?
1    Im fine, what about you?
Name: col, dtype: object

您得到了预期的输出