Вивчайте Очищення тексту | Рядки, дати, відсутні дані

Свайпніть щоб показати меню

Під час роботи з реальними даними текстові стовпці часто містять небажані пробіли, зайві символи або неконсистентне форматування. У Polars можна використовувати простір імен .str для ефективного очищення та трансформації таких стовпців. Припустимо, у вас є DataFrame зі стовпцем name, який іноді містить пробіли або розділові знаки на початку чи в кінці, а також стовпцем genres, де жанри зберігаються як один рядок, розділений слешами, наприклад, "Drama / Comedy".

Для очищення стовпця name можна використати .str.strip_chars(), щоб видалити пробіли та певні символи з обох кінців кожного рядка. Для стовпця genres можна застосувати .str.split() з регулярним виразом для розділення рядка на список жанрів.

Нижче наведено скрипт, що демонструє ці техніки:


              123456789101112131415161718
            
import polars as pl

df = pl.DataFrame({
    "name": ["  Alice! ", "Bob.", "  Carol  ", "David-"],
    "genres": ["Drama / Comedy", "Action/Thriller", "Sci-Fi / Adventure", "Romance"]
})

# Strip whitespace and symbols from 'name'
cleaned_df = df.with_columns([
    pl.col("name").str.strip_chars().str.strip_chars("!.-").alias("name_clean")
])

# Use regex to split genres into a list
cleaned_df = cleaned_df.with_columns([
    pl.col("genres").str.replace_all(r"\s*/\s*", ",").str.split(",").alias("genres_list")
])

print(cleaned_df)

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 1

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Секція 3. Розділ 1