2

Estoy intentado quitar los signos de puntuación de un DataFrame, pero no parece tener efecto con el siguiente código

import pandas as pd
import pyodbc
from pandas import DataFrame
import string

conn = pyodbc.connect('Driver={ODBC Driver 17 for SQL Server};'
                      'Server=SBMDEBPBDD08V\VAI;'
                      'Database=DMIN_AUDITORIA;'
                      'Trusted_Connection=yes;')

cursor = conn.cursor() ##ejecutar codigó SQL
resoverall = cursor.execute('SELECT TOP (100) CAMPO_NOTA FROM DMIN_AUDITORIA.reclamos.DATOS2014v2')

df = DataFrame(resoverall.fetchall()) #paso a dataframe
datos=pd.read_excel('C:\\Users\\sburitic\\example.xlsx') #leo en excel
datos.columns = ['numeracion', 'Campo Nota']#renombro las columnas 
datos = datos.drop(['numeracion'], axis=1) #elimino columna
datos = datos.astype(str).apply(lambda x: x.str.lower())#paso los datos a minuscula
for puntuacion in string.punctuation:
    datos = datos.replace(puntuacion, ' ')

Me gustaría saber que otras opciones hay o que estoy haciendo mal


Logre solucionarlo transformando el tipo de dato de datos astring, y ya aplicando la función replace, pero espero obtener mas sugerencias ya que no creo que sea la mejor solucion :)

1 respuesta 1

4

a)

datos = datos.astype(str).apply(lambda x: x.str.replace('[^\w\s]',''))

b)

import string
datos = datos.astype(str).apply(lambda x: x.str.replace('[{}]'.format(string.punctuation), ''))

EDIT:

La primera opción se trata de: primero modificar los datos a tipo string y luego aplicar replace con una expresión regular. Recordemos que replace puede usar regex, por lo que en este primer caso le estamos pidiendo que reemplace todo lo que no (^) sean word character (\w) o sea alfanuméricos o espacios (\s), por carácter vacio ('').

La segunda opción la he incluido por que el OP estaba usando directamente una lista de signos de puntuación. Funciona parecido a la anterior, solo que aquí substituimos la expresión regular por los signos incluidos en string.punctuation.

La diferencia entre ellas es que la primera opción eliminara cualquier cosa que no sean letras, números o espacios en blanco; mientras que la segunda solo eliminara los símbolos que estén en la lista especificada.

3
  • 3
    ¿Podrías dar una explicación de las dos opciones? De cómo funciona cada una y que ventajas/desventajas tienen
    – ordago
    el 30 ene. 2020 a las 10:37
  • 2
    Hecho, espero que ahora quede mas claro.
    – TitoOrt
    el 30 ene. 2020 a las 15:57
  • 2
    Gracias por tomarte las molestias :)
    – ordago
    el 30 ene. 2020 a las 16:04

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.