Python 如何删除包含3个以上非ascii字符的行

我想删除

sms

列包含超过3个垃圾值的所有记录/行，简单地说，我想删除下面给定数据帧中的第4行和第5行

id    city    department    sms                    category
01    khi      revenue      quk respns.                1
02    lhr      revenue      good.                      1
03    lhr      revenue      greatœ1øið                 0
04    isb      accounts     ?xœ1øiûüð÷üœç8i            0
05    isb      accounts     %â¡ã‘ã¸$ãªã±t%rã«ãÿã©â£    0

预期数据帧：

id city department        sms   category
1  khi    revenue  quk respns.         1
2  lhr    revenue        good.         1
3  lhr    revenue   greatœ1øið         0

ascii\u string=set（“！”、-./0123456789:；？@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\\]^ ` abcdefghijklmnopqrstuvxyz{124;}~”）
对于df.iterrows（）中的r，j：
对于k，j.iteritems（）中的数据：
总计数=长度（数据）
ascii\u计数=总和（数据中c的ascii\u字符串中的c）
非ascii计数=总计数-ascii计数
如果非ascii计数>3：
#删除行
df=df.下降（[r]）
打破

ascii表仅扩展到127，这意味着如果我们执行

ord（）

并得到大于127的值，则该字符不是有效的ascii字符

使用它，我们可以计算非Ascii字符的数量，并且只返回

True

，其中只有3个或更少

df.drop(df.loc[df["sms"].apply(lambda x: False if len([i for i in x if ord(i) > 127]) <= 3 else True)].index)

我们可以使用来计算列

sms

中每个字符串中正则表达式模式

[^\x00-\x7F]

（与单个非ASCII字符匹配）的出现次数，然后使用来创建

布尔掩码

，并使用此掩码来过滤行：

m = df['sms'].str.count(r'[^\x00-\x7F]').gt(3)
df = df[~m]

结果:

   id city department          sms  category
0   1  khi    revenue  quk respns.         1
1   2  lhr    revenue        good.         1
2   3  lhr    revenue   greatœ1øið         0

---

到现在为止你都试了些什么？谢谢，这回答了我的问题

m = df['sms'].str.count(r'[^\x00-\x7F]').gt(3)
df = df[~m]

   id city department          sms  category
0   1  khi    revenue  quk respns.         1
1   2  lhr    revenue        good.         1
2   3  lhr    revenue   greatœ1øið         0