从 Pandas Dataframe 的文本记录中删除 _x000D_

Question

我有一个从 Excel 文件导入的 Pandas 数据框。其中一列如下所示：

Link
=========
A-324
A-76_x000D_\nA-676
A-95
A-95_x00D_n\nA-495
...

我可以使用正则表达式删除

\n

字符，但无法删除

_x000D_

。有谁知道这是什么？为什么我无法使用传统的删除方法？

这是我所做的：

dat['Link'] = dat['Link'].replace("_x000D_", " ")
dat['Link'] = dat['Link'].replace(r'\s+|\\n', ' ', regex=True) 

Answer 1

您必须添加

.str

，因为您不是直接使用字符串，而是使用系列：

dat = pd.DataFrame({'Link':['A-324','A-76_x000D_\nA-676','A-95','A-95_x000D_n\nA-495']})

dat['Link'] = dat['Link'].str.replace("_x000D_", " ")
dat['Link'] = dat['Link'].replace(r'\s+|\\n', ' ', regex=True) 

输出：

           Link
0         A-324
1    A-76 A-676
2          A-95
3  A-95 n A-495

Answer 2

我在从 xlsx 文件加载包含回车符的文本列时也遇到了这个问题。

这为我解决了这个问题：

df['my_col'] = df['my_col'].astype(str).apply(openpyxl.utils.escape.unescape)

Answer 3

如果您需要处理数据框中的所有字符串列（就像我需要的那样）：

for str_col in df.select_dtype(include=['object']).columns:
    df[str_col] = df[str_col].astype(str).apply(openpyxl.utils.escape.unescape)

或与

replace()

功能相同