正则表达式不适用于 Pandas 数据框

Question

我有一个 Pandas 数据框，它由我需要使用正则表达式清理的电子邮件组成。但是，我尝试清理专栏的尝试实际上并未应用于文本。

示例数据如下：

|subeject         | description       |
---------------------------------------
|change email     | 'Hi, I'm trying...|
|how are you?     | 'Hi, how are...   |

实际数据集大约有 2500 行。

我使用的示例代码是：

data = pd.read_csv('file.csv', names=['subject', 'description'])
data['description'] = data['description'].str.lower().str.split()

# Text cleaning below:
data['description'] = data['description'].replace(r'<(.*?)\>', '')
data['description'] = data['description'].replace(r'www[a-z]+', '')
... # more regex

运行此代码在 iPython 笔记本中使用 Python 2.7 我希望正则表达式能够识别语句并将其替换为 space.

但是，当运行它时，描述的文本不会改变。

我尝试过的替代方法如下：

for i in data['description']:
    re.sub(r'<(.*?)\>', '', i)
    re.sub(r'www[a-z]+', '', i)

但是，我得到了相同的结果，none 的文本被删除了。

你能给我建议或指出正确的方向吗？

Answer 1

文本清理的语法应该是：

data['description'] = data['description'].str.replace(r'www[a-z]+', '')

正则表达式不适用于 Pandas 数据框

Regular Expressions not working with Pandas Dataframe

python

regex

pandas

data-munging