<\/p>\n
U kunt de volgende methoden gebruiken om specifieke tekens uit tekenreeksen in een kolom in een Panda DataFrame te verwijderen:<\/span><\/p>\n Methode 1: Specifieke tekens uit tekenreeksen verwijderen<\/strong><\/span><\/p>\n Methode 2: Verwijder alle letters uit tekenreeksen<\/strong><\/span><\/p>\n Methode 3: Verwijder alle getallen uit strings<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de volgende panda’s DataFrame:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om \u2018avs\u2019 uit elke tekenreeks in de teamkolom<\/strong> te verwijderen:<\/span><\/p>\n Merk op dat „avs“ is verwijderd uit rijen met „Mavs“ en „Cavs“ in de teamkolom<\/strong> .<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om alle letters uit elke tekenreeks in de teamkolom<\/strong> te verwijderen:<\/span><\/p>\n Houd er rekening mee dat alle letters uit elke tekenreeks in de teamkolom<\/strong> zijn verwijderd.<\/span><\/p>\n Alleen numerieke waarden blijven over.<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om alle getallen uit elke tekenreeks in de teamkolom<\/strong> te verwijderen:<\/span><\/p>\n Houd er rekening mee dat alle getallen uit elke reeks in de teamkolom<\/strong> zijn verwijderd.<\/span><\/p>\n Alleen de letters blijven over.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:<\/span><\/p>\n Hoe NaN-waarden te vervangen door nullen in Panda’s U kunt de volgende methoden gebruiken om specifieke tekens uit tekenreeksen in een kolom in een Panda DataFrame te verwijderen: Methode 1: Specifieke tekens uit tekenreeksen verwijderen df[‚ my_column ‚] = df[‚ my_column ‚]. str . replace (‚ this_string ‚, “) Methode 2: Verwijder alle letters uit tekenreeksen df[‚ my_column ‚] = df[‚ my_column ‚]. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-4039","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n df[' my_column<\/span> '] = df[' my_column<\/span> ']. str<\/span> . replace<\/span> (' this_string<\/span> ', '')\n<\/strong><\/pre>\n df[' my_column<\/span> '] = df[' my_column<\/span> ']. str<\/span> . replace (' \\D<\/span> ', '', regex= True<\/span> )<\/span><\/span><\/strong><\/pre>\n df[' my_column<\/span> '] = df[' my_column<\/span> ']. str<\/span> . replace (' \\d+<\/span> ', '', regex= True<\/span> )<\/span><\/span><\/strong><\/pre>\n import<\/span> pandas as<\/span> pd\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' team<\/span> ': ['Mavs2', 'Nets44', 'Kings33', 'Cavs90', 'Heat576'],\n ' points<\/span> ': [12, 15, 22, 29, 24]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 Mavs2 12\n1 Nets44 15\n2 Kings33 22\n3 Cavs90 29\n4 Heat576 24\n<\/strong><\/pre>\n Voorbeeld 1: Specifieke tekens uit tekenreeksen verwijderen<\/strong><\/span><\/h2>\n
#remove 'avs' from strings in team column\n<\/span>df[' team<\/span> '] = df[' team<\/span> ']. str<\/span> . replace<\/span> (' avs<\/span> ', '')\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 M2 12\n1 Nets44 15\n2 Kings33 22\n3 C90 29\n4 Heat576 24\n<\/strong><\/pre>\n Voorbeeld 2: Verwijder alle letters uit strings<\/strong><\/span><\/h2>\n
#remove letters from strings in team column\n<\/span>df[' team<\/span> '] = df[' team<\/span> ']. str<\/span> . replace<\/span> (' \\D<\/span> ', '', regex= True<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 2 12\n1 44 15\n2 33 22\n3 90 29\n4,576 24\n<\/strong><\/pre>\n Voorbeeld 3: Verwijder alle getallen uit strings<\/strong><\/span><\/h2>\n
#remove numbers from strings in team column\n<\/span>df[' team<\/span> '] = df[' team<\/span> ']. str<\/span> . replace<\/span> (' \\d+<\/span> ', '', regex= True<\/span> )\n\n#view updated DataFrame\n<\/span>print<\/span> (df)\n\n team points\n0 Mavs 12\n1 Nets 15\n2 Kings 22\n3 Cavs 29\n4 Heat 24\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe lege strings te vervangen door NaN in Pandas<\/a>
Hoe waarden in kolommen te vervangen op basis van de voorwaarde in Pandas<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"