我需要从熊猫列中删除所有 HTML 标签并保留描述。
我已经删除了一列的标签,但需要将它们应用于其他列 - 这就是我所拥有的和所做的;
输入:
df.description[1]
输出:
'<p>Das Ziel der <a href="http://swa-muc.de">Software Architektur München Gruppe</a> ist es, Menschen, die sich mit Software-Architektur auseinandersetzen wollen, in und um München regelmäßig zusammenzubringen, und einen persönlichen Erfahrungsaustausch zu etablieren. Dazu dienen neben der Meetup-Gruppe insbesondere der persönliche Erfahrungsaustausch, organisiert in informellen Treffen, Diskussion von Erfahrungsberichten und Case Studies bis hin zu Vorträge und Workshops. Diese werden auch über Twitter <a href="https://twitter.com/swamuc">@swamuc</a> und Meetup bekannt gegeben.</p>'
和我一起做到了;
read = df.description[1]
read_result = re.sub('<[^<]+?>', '', read)
print(read_result)
输出:
Das Ziel der Software Architektur München Gruppe ist es, Menschen, die sich mit Software-Architektur auseinandersetzen wollen, in und um München regelmäßig zusammenzubringen, und einen persönlichen Erfahrungsaustausch zu etablieren. Dazu dienen neben der Meetup-Gruppe insbesondere der persönliche Erfahrungsaustausch, organisiert in informellen Treffen, Diskussion von Erfahrungsberichten und Case Studies bis hin zu Vorträge und Workshops. Diese werden auch über Twitter @swamuc und Meetup bekannt gegeben.
这就是全部,但我需要对整个df.description
熊猫专栏执行此操作。
这是我尝试过的:
new_read = df.description[0:10148]
new_read_result = re.sub('<[^<]+?>', '', new_read)
print(new_read_result)
但是,这不起作用并返回;
类型错误:预期的字符串或类似字节的对象
这是我正在尝试应用程序的另一种方法:
df.description.apply(re.sub('<[^<]+?>', '', new_read))
但也不起作用。
如何将其应用于整个熊猫列?
在apply
中使用lambda
:
前任:
import pandas as pd
import re
df = pd.DataFrame({"description": ['<p>Hello</p>', '<p>World</p>']})
print( df.description.apply(lambda x: re.sub('<[^<]+?>', '', x)))
输出:
0 Hello
1 World
Name: description, dtype: object
执行以下操作
def parser(text):
return re.sub('<[^<]+?>', '', str(text))
result=df.description.apply(parser)
方法:2
df.description.apply(lambda x : re.sub('<[^<]+?>', '', str(text)))