Python进阶分享 | 盘点一个Pandas数据清洗题目

一、写在前面

大家好，我是吒吒。前几天在Python技术交流群有个小伙伴问了一道Python清洗数据的问题，这里拿出来给大家分享下，一起学习下。

 

如何才能把pandas serise里乱七八糟的字符清理干净呢？

二、解决过程

这里给出了一个示例的代码，使用了apply和lambda和正则表达式，一气呵成，只需要稍微修改下，匹配自己的数据就可以了。

df['主营业务']=df['主营业务'].astype('str').apply(lambda x: re.sub('[0-9+,，.。…、“”^_?:：’‘''""（）()；;【】!！*？]+', '', x))

 

 

不过这个是通用的，也会把数字干掉，如果想适配自己的数据，还需要稍微修改下。

 

这样问题就完美解决了，另外的话，遇到特殊字符什么的，都可以优先使用re.sub或者replace()函数，事半功倍。

三、写在最后

这篇文章主要分享了一个Pandas数据清洗题目，针对该问题给出了具体的解析和代码演示，一共两个方法，顺利解决了问题。相信肯定还有其他方法的，欢迎大家积极尝试，如果有好方法，记得也分享给我噢，大家一起学习交流！我这里有整理一套新手学习Python的路线及资料，可以扫名片找我的小助手领取