Python 快速删除dataframe列中的标点符号和特殊字符的方法

我正在使用下面的代码从数据框中的列中删除特殊字符和标点符号。但是这种使用regex.sub的方法并不高效。有没有其他的选择，我可以尝试有更好的时间效率和删除标点符号和特殊字符？或者我删除特殊字符并将其解析回列的方式，pandas dataframe会导致我大量的计算消耗

for n, string in data['text'].iteritems():
   data['text'] = re.sub('([{string.punctuation}“”¨«»®´·º½¾¿¡§£₤‘’])','', string)

---

一种方法是只保留字母数字。考虑这个数据框

df=pd.DataFrame({'Text':['#^#346fetvx@!.,;:', 'fhfgd54@!#><?']})

    Text
0   #^#346fetvx@!.,;:
1   fhfgd54@!#><?

---

使用正则表达式和lambda函数：

import re
data['PROD_NAME'] = data['PROD_NAME'].apply(lambda x: re.sub('[^A-Za-z0-9]', ' ', x))

---

这将删除除字母和数字以外的所有字符。

为什么不在将数据放入数据框之前将其上游修复？如果要删除所有非字母数字的字符，只需使用

re.sub（'[\W\u]'，''，string）

什么是

数据

？无论您在这里做什么都没有多大意义，您只是覆盖了

数据['text']

中的任何内容，但您的代码只是在

数据['text']

中创建了一列，其中填充了一个字符串，最后一条会形成你的循环…@RajeshThevar我的评论基本上是问你为什么要存储需要修复的文本？为什么不在将文本存储到数据框之前修复它呢？这很有效。非常感谢。添加一个子评论，我也使用了它。在for循环中，我使用testing_['comment_text']=testing_['comment_text'].map（lambda值：re.sub（'[\W_]'，''，value）），很高兴它能工作。我不太清楚循环的目的，我的思想过程只是让dataframe列具有清理过的字符串、删除的标点符号和特殊字符。使用相同的数据在相同的行上覆盖，但不使用干净的字符串。现在回想起来，这是一个主要的性能问题。是的，使用\w+提取字母数字值正是这样做的。如果要使用replace，可以尝试使用df['Text']=df['Text'].str.replace（'\W+'，''）达到相同的效果

import re
data['PROD_NAME'] = data['PROD_NAME'].apply(lambda x: re.sub('[^A-Za-z0-9]', ' ', x))