從python熊貓數據框中的大量文本中逐行刪除一個URL

我已經將數據插入到熊貓數據框中。像圖片建議，你可以看到有一些行包含url鏈接，我想刪除所有的url鏈接，並用「」替換它們（沒有東西只是擦除它），你可以看到第4行有一個URL有其他也有網址的行。我想通過status_message列中的所有行查找任何網址並將其刪除。我一直在尋找這How to remove any URL within a string in Python，但我不知道如何在數據幀上使用它。所以第4行現在應該喜歡投票。從python熊貓數據框中的大量文本中逐行刪除一個URL

來源

2017-07-30 Muneeb Khan

我認爲你可以做一些簡單的

for index,row in data.iterrows(): 
    desc = row['status_message'].lower().split() 
    print ' '.join(word for word in desc if not word.startswith(('www.','http')))

只要網址開頭爲「WWW」。

來源

2017-07-30 02:36:43 Gayatri

某些URL以http： ... –

請upvote，如果它回答你的問題 – Gayatri

您可以使用.replace()用正則表達式來做到這一點，即

df = pd.DataFrame({'A':['Nice to meet you www.xy.com amazing','Wow https://www.goal.com','Amazing http://Goooooo.com']}) 
df['A'] = df['A'].replace(r'http\S+', '', regex=True).replace(r'www\S+', '', regex=True)

輸出：

 
          A 
0 Nice to meet you amazing 
1      Wow 
2     Amazing

來源

2017-07-30 04:08:22 Dark

您可以使用str.replace與case=False參數：

df = pd.DataFrame({'status_message':['a s sd Www.labour.com', 
            'httP://lab.net dud ff a', 
            'a ss HTTPS://dd.com ur o']}) 
print (df) 
      status_message 
0  a s sd Www.labour.com 
1 httP://lab.net dud ff a 
2 a ss HTTPS://dd.com ur o 

df['status_message'] = df['status_message'].str.replace('http\S+|www.\S+', '', case=False) 
print (df) 
    status_message 
0  a s sd 
1  dud ff a 
2  a ss ur o

來源

2017-07-30 04:09:13 jezrael

是的，非常相似，只有一個區別 - case = False，用於區分大小寫。 – jezrael

加上一個'case = False' – Dark

從python熊貓數據框中的大量文本中逐行刪除一個URL

回答

相關問題