Я работаю над удалением алфавита (a-z and A-Z), цифр и знаков препинания и оставленных китайских символов только от v1 до v3 следующего кадра данных.
id v1 v2 v3
0 1 泥岗路 红岗花园12栋110房 NaN
1 2 沙井街道 万丰路 东侧
2 3 中心区 N15区 幸福·海岸10栋A座11A
3 4 龙岗镇 南联村 长海雅园2栋D301D302房产
4 5 蛇口工业区 兴华路 海滨花园多层海滨花园兰山楼06栋504房产
5 6 宝安路 松园·南九巷综合楼10栋103 NaN
6 7 宝安路 松园·南九巷综合楼10栋203 NaN
7 8 龙岗镇 中心城 尚景华园12栋307房
8 9 沙河西路 西博海名苑1栋30C房产 NaN
9 10 华侨城香山中路 天鹅堡三期P栋4D房 NaN
10 11 布吉镇 德福花园德福豪苑C4栋C5栋C4座1403房 NaN
Код, который у меня есть пробовал работает, но осталось несколько знаков препинания:
cols = ['v1', 'v2', 'v3']
df[cols] = df[cols].apply(lambda x: x.str.replace(r'[\x00-\x7F]+', ''))
Вывод:
v1 v2 v3
0 泥岗路 红岗花园栋房 NaN
1 沙井街道 万丰路 东侧
2 中心区 区 幸福·海岸栋座
3 龙岗镇 南联村 长海雅园栋房产
4 蛇口工业区 兴华路 海滨花园多层海滨花园兰山楼栋房产
5 宝安路 松园·南九巷综合楼栋 NaN
6 宝安路 松园·南九巷综合楼栋 NaN
7 龙岗镇 中心城 尚景华园栋房
8 沙河西路 西博海名苑栋房产 NaN
9 华侨城香山中路 天鹅堡三期栋房 NaN
10 布吉镇 德福花园德福豪苑栋栋座房 NaN
Как мне улучшить код? Спасибо.