清理熊猫数据框中的单列

Question

将 CSV 作为 Pandas 数据框导入并删除所有完全空的列：

import pandas as pd 

df1 = pd.read_csv("name.csv") 

df1 = df1.dropna(axis=1,how='all')

唉，一列看起来像：

'Background\r\n * find it: IDE-3: Some Name\r\n * Dokument: SomeName.pptx\r\n * Field: TEG-33\r\n  * happy: Done\r\n\r\nh3. Definition\r\n\r\n\xa0tbd.\r\nh3. exists\r\n\r\ncsv\r\nh3. Source\r\n\r\ncsv?\r\n\r\npotentiell?\r\n\r\ntbd\r\nh3. task\r\n\r\ntbd\r\n\r\n\xa0'

问题 1：我想删除所有 \r\n 和 \r\n\r\ 和 \r\n\r\n\ 和 \r\n\r\n\xa0 等。任何人都可以帮助使用正则表达式? 我找不到清晰的模式。

问题 2：首先如何防止在将 CSV 导入 Pandas 数据框时写入所有这些各种形式的 \r\n\r\（参见问题 2）？

清理数据框中提到的列的所有行后，最终结果应该是

（Python 3，Anaconda3 分发版，在 Windows 10 上）

Answer 1

对于问题 1：(df1['Column 3'].str.replace('\r','').str.replace('\n','').str.replace('\xa0', ''))对于问题 2：您可以在数据进入 csv 时对其进行清理 - 但在不知道数据来自何处的情况下很难说！

Answer 2

问题 1这个正则表达式将实现你想要的：(\r\n)+(\r)*(\xa0)*解释：(\r\n)+  # One or more copies of '\r\n'(\r)*    # Any extra appended    '\r'(\xa0)*  # Any final appended    '\xao'但请注意，在您的示例中，没有\r\n...\rie形式的字符串，最后附加了\r.