根据标点符号列表替换数据框中的标点符号[重复]

使用 Canopy 和 Pandas，我有数据框 a ，其定义如下：

a=pd.read_csv('text.txt')

df=pd.DataFrame(a)

df.columns=["test"]

test.txt 是一个单列文件，其中包含包含文本、数字和标点符号的字符串列表。

假设 df 看起来像：

test

%hgh&12

abc123!!!

猪肉薯条

我希望我的结果是：

test

hgh12

abc123

猪肉薯条

迄今为止的努力：

from string import punctuation /-- import punctuation list from python itself

a=pd.read_csv('text.txt')

df=pd.DataFrame(a)

df.columns=["test"] /-- define the dataframe


for p in list(punctuation):

     ...:     df2=df.med.str.replace(p,'')

     ...:     df2=pd.DataFrame(df2);

     ...:     df2

上面的命令基本上只是返回相同的数据集。 感谢任何线索。

编辑：我使用 Pandas 的原因是因为数据很大，大约有 1M 行，并且未来编码的使用将应用于最多 30M 行的列表。 长话短说，我需要以非常有效的方式清理大数据集的数据。

Use replace使用正确的正则表达式会更容易：

In [41]:

import pandas as pd
pd.set_option('display.notebook_repr_html', False)
df = pd.DataFrame({'text':['test','%hgh&12','abc123!!!','porkyfries']})
df
Out[41]:
         text
0        test
1     %hgh&12
2   abc123!!!
3  porkyfries

[4 rows x 1 columns]

将正则表达式与模式一起使用，这意味着不是字母数字/空格

In [49]:

df['text'] = df['text'].str.replace('[^\w\s]','')
df
Out[49]:
         text
0        test
1       hgh12
2      abc123
3  porkyfries

[4 rows x 1 columns]