数据清理 - 删除尾随短语
Data Cleaning - removing trailing phrases
我正在清理一些数据，想知道如何删除结尾的短语。我不想去掉所有的数字，因为有些口味有数字。第一个table是预清洗的数据，第二个table是我想要的
Flavor
Orange 5 ml
Cherry
Strawberry 5 mg/ml
#1 flavor
Passion fruit 1.
Cherry Blossom
Flavor
Orange
Cherry
Strawberry
#1 flavor
Passion fruit
Cherry Blossom
与所有数据清理一样，这需要了解整个数据集，因此您可以获得的帮助很少。但是，我编写了一个正则表达式，您可以使用它来删除数字、空格、单位（ml、mg）、斜线（/）和句点（.) 来自字符串的 end:
\s*\b[/mgl\d\s.]+$
你可以这样使用它：
df['Flavor'] = df['Flavor'].str.replace(r'\s*\b[/mgl\d\s.]+$', '', regex=True)
我正在清理一些数据，想知道如何删除结尾的短语。我不想去掉所有的数字，因为有些口味有数字。第一个table是预清洗的数据，第二个table是我想要的
| Flavor |
|---|
| Orange 5 ml |
| Cherry |
| Strawberry 5 mg/ml |
| #1 flavor |
| Passion fruit 1. |
| Cherry Blossom |
| Flavor |
|---|
| Orange |
| Cherry |
| Strawberry |
| #1 flavor |
| Passion fruit |
| Cherry Blossom |
与所有数据清理一样，这需要了解整个数据集，因此您可以获得的帮助很少。但是，我编写了一个正则表达式，您可以使用它来删除数字、空格、单位（ml、mg）、斜线（/）和句点（.) 来自字符串的 end:
\s*\b[/mgl\d\s.]+$
你可以这样使用它：
df['Flavor'] = df['Flavor'].str.replace(r'\s*\b[/mgl\d\s.]+$', '', regex=True)