pandas 数据清理名字和姓氏，但它们具有奇怪的符号结构

jm81lzqq 于 2023-01-11 发布在其他

关注(0)|答案(2)|浏览(121)

我正在尝试清理SQL零售数据库，但我对名字列的结构感到困惑，因此理想情况下，我希望有一组干净的名称
我尝试的是

#change the datatype of first_name to str
        user_dataframe['first_name'] = user_dataframe['first_name'].astype('string')
        user_dataframe['last_name'] = user_dataframe['last_name'].astype('string')

它只是将数据类型从对象更改为字符串，但现在我不确定如何搜索我不想要的字符串
脏字符串采用以下格式

Hans JÃ¼rgen
BÃ¤rbel
SÃ¼leyman
SÃ¶ren
Klaus-JÃ¼rgen
2GU3G97VI1
I7IJDAPMIM
GÃ¼lten
DD0K0FUDRY

如果使用正则表达式删除任何具有以下模式字符后跟数字的行，但我不确定某些符号在脏数据上的含义，我在想什么

pandas

来源：https://stackoverflow.com/questions/75074701/data-cleaning-first-names-and-last-names-but-they-have-weird-structure-with-symb

2条答案

按热度按时间

drnojrws1#

问题出在Python/Pandas中的编码。阅读数据时，请尝试更改编码。请参见https://pandas.pydata.org/docs/reference/api/pandas.read_csv.html和https://docs.python.org/3/library/codecs.html#standard-encodings。
另见以下答案：Converting special charactes such as Ã¼ and Ãƒ back to their original, latin alphbet counterparts in C#

赞(0）回复(0）举报 2023-01-11

deikduxw2#

正如有人提到的，是编码类型导致了这个问题，使用utf-8-sig编码修复了奇怪字符的问题

赞(0）回复(0）举报 2023-01-11

我来回答

pandas 数据清理名字和姓氏，但它们具有奇怪的符号结构

2条答案

相关问题

热门标签

最新问答