删除Unicode U后，无法重命名/替换数据框中的类别

Question

由于该方法删除了文本中的另一个u，因此我尝试使用.replace（'u'，'，Regex）方法删除Unicode U之后，将其重命名为数据帧中的类别。我尝试使用替换和rename_categories方法将类别更改为所需的格式使用词典以映射，但是在删除Unicode u后它保持不变。有人知道我可以解决这个问题吗？我已经附上了与我正在合作的CSV的链接。

'''uploaded = files.upload()
yelpdf = pd.read_csv(io.BytesIO(uploaded['yelp_reviews.csv']))
print(yelpdf['NoiseLevel'].value_counts())
yelpdf['NoiseLevel'] = yelpdf['NoiseLevel'].astype(str)
update_NoiseLevel = {'average': 'Average', 'lod': 'Loud', 'qiet': 'Quiet', 'very_lod': 'Very Loud'}
yelpdf['NoiseLevel'] = yelpdf['NoiseLevel'].replace('u','',regex=True)
yelpdf['NoiseLevel'] = yelpdf['NoiseLevel'].astype('category')
yelpdf['NoiseLevel'] = yelpdf['NoiseLevel'].cat.rename_categories(update_NoiseLevel)
yelpdf['NoiseLevel'] = yelpdf['NoiseLevel'].replace(update_NoiseLevel)

print(yelpdf['NoiseLevel'].value_counts())'''

Answer 1

在创建类别之前尝试 str.extract （如果需要）

df = pd.read_excel('yelp_reviews.xlsx')
df['NoiseLevel'] = df['NoiseLevel'].str.extract("(?:u')?([^']*)")

输出：

>>> df['NoiseLevel'].unique()
array(['average', 'quiet', nan, 'loud', 'very_loud'], dtype=object)

>>> df['NoiseLevel'].head(10)
0    average
1    average
2    average
3    average
4    average
5    average
6    average
7      quiet
8        NaN
9        NaN
Name: NoiseLevel, dtype: object

Answer 2

昨晚我确实发布了解决方案，但这是不正确的。
这是纠正的：

基本上所有问题都是从存储的方式中出现的。就我而言（在我的Googglecolab笔记本中），一些数据带有“ u'”，而另一些数据仅带有第一个报价。

这种不一致是所有问题的根源，尤其是这就是为什么“重命名”不起作用的原因。
您的名字也拼错了……（不？）
update_noiselevel = {'平均'：'平均'，'lod'：'大声'，'qiet'：'quiet'，'leyte_lod'：'southe_lod'}
应该是：
update_noiselevel = {'平均'：'平均'，'大声'：'大声'，'quite'：'quite'，'lemiet'，'heyte_loud'：''soury lod'}

在您在COLAB中上传CSV之前，您需要做一点调整对“ noings_level”列的调整，以便双方都有引号……等等
我使用（在Excel中）：

FORMULA =IF(H2="","unclasssifed",IF(LEFT(H2,1)<>"u",CONCATENATE("'",H2),IF(LEFT(H2,1)="u",H2)))

H2 = Excel中的“ Noiselevel”列…，您也可以使用Python在CSV中进行此操作…
对于空的是Nan，我使用了“未分类”一词……

解决此问题（不一致）并使重命名工作的步骤：

1。 COLAB中的导入文件：

 import pandas as pd
 import io
    
 df = pd.read_csv(io.StringIO(uploaded['stelios_copy_of_yelp_reviews - yelp_reviews (4).csv'].decode('utf-8')))
 df.head()

2。创建一个函数，以删除数据中的所有括号，并在该列中的所有函数...（！）中使用！

def remove_another(x):
  string = str(x)
  aaa = string.replace("u'", "").replace("'", "")
  return aaa

df['NoiseLevel_u_removed'] = df['NoiseLevel_modified_excel'].apply(remove_another)

3。更正这个！并运行剩余的命令

update_NoiseLevel = {'average': 'Average', 'loud': 'Loud', 'quiet': 'Quiet', 'very_loud': 'Very Loud', 'unclassified': 'Unclassified'}

print(df['NoiseLevel_u_removed'].value_counts())

df['NoiseLevel_category'] = df['NoiseLevel_u_removed'].astype('category')

df['NoiseLevel_u_removed'] = df['NoiseLevel_category'].cat.rename_categories(update_NoiseLevel)
df['NoiseLevel_u_removed'][0:23]

net/ofqo8.png “