В столбце Airline вокруг названий авиакомпаний есть лишние цифры и знаки. Оставьте только название: например,…
PythonУровень: Практикаpandas · очистка данных
В столбце Airline вокруг названий авиакомпаний есть лишние цифры и знаки. Оставьте только название: например, '(British Airways. )' должно стать 'British Airways'.
Предполагаются импорты import pandas as pd и import numpy as np.
Исходные данные и примеры:
df = pd.DataFrame({'From_To': ['LoNDon_paris', 'MAdrid_miLAN', 'londON_StockhOlm',
'Budapest_PaRis', 'Brussels_londOn'],
'FlightNumber': [10045, np.nan, 10065, np.nan, 10085],
'RecentDelays': [[23, 47], [], [24, 43, 87], [13], [67, 32]],
'Airline': ['KLM(!)', '<Air France> (12)', '(British Airways. )',
'12. Air France', '"Swiss Air"']})
Подсказки
- Отличите отсутствующее значение от нуля, пустой строки и ложного значения.
- Проверьте сравнение, агрегацию и фильтрацию на маленьком примере с пропуском.
Ответ
Извлеките первую последовательность латинских букв и пробельных символов регулярным выражением, затем удалите пробелы по краям с помощью strip(). Это правило рассчитано на названия из данного набора.
df['Airline'] = df['Airline'].str.extract('([a-zA-Z\s]+)', expand=False).str.strip()
# note: using .strip() gets rid of any leading/trailing spaces
df
Источник и лицензия: 100 pandas puzzles — Alex Riley and contributors · MIT · перевод: Quantoros