Python中怎么清洗csv文件中的符号和表情？

Question

麻烦在jupyter中接着以下代码继续编写

import pandas as pd
# 读取原始csv文件
df = pd.read_csv('sf_data.csv')
df.head(5)
# 观察后发现sf_location列含有需要清理的换行符和引号
# 首先去除引号，然后合并换行符
df['sf_location'] = df['sf_location'].str.replace('"', '').str.replace('\n', '')
df.head(5)
df1 = df.isnull()
df1
df1 = df.dropna()  # 去除缺失值
df1
df2 = df1.duplicated()  #查看重复值
df2
df2 = df1.drop_duplicates(keep = 'first')  #保留重复数据的第一条，其他重复值去除
df2

部分数据和截图如下：

sf_guid,sf_nickname,sf_content,sf_creationTime,sf_productColor,sf_score,sf_userClient,sf_days,sf_imageCount,sf_location
79dc24f4671602528a3cbe37a8025df8,鬼***鑫,京东物流发货速度快！已经买了好多次了，质量没问题有保障！护舒宝大品牌值得信赖！舒适度高，透气性好，耐用性强，性价比很高。,2024-02-18 23:08:37,超熟睡裸感肌 290mm 8片,5,4,31,4,"北京
"
37c34f6e2e36f5fb81937c99ab84f2ce,s***7,这款卫生巾老牌子了，一直是我信赖的品牌。京东太方便了，每次都是家里没用的了，直接在京东自营店购买，去超市的时间都省下来了。太幸福了。,2024-02-02 07:32:16,超熟睡柔棉感 350mm 8片,5,4,5,4,"北京
"
5d31f15927f0d90cbf68704e76d47ec7,淡***n,平常都是用的护舒宝，这次换个牌子试试，一次性买了好几包，多买就有优惠，简直是太划算了，而且比超市还便宜些，特别喜欢京东的物流，真是神速，这么冷的天，还下着雨，还送来了，真是喜欢啊！,2024-02-21 23:27:39,超熟睡裸感肌 350mm 8片,5,4,1,3,"湖北
"
0512fb700742a611c8d5c55da701a0cc,n***k,包装好，物流快，价格实惠，比超市便宜多了实用性和颜值都非常的赞，我很喜欢，还会再来买的宝贝收到了，质量很不错，包装精致，材质优秀，比想象中好，送礼自用非常合适，下次继续购买,2024-02-18 22:09:36,超熟睡柔棉感 350mm 8片,5,4,34,3,"天津
"
a295a342b228d68c3b6161970b3dadd5,古***3,好用，一直买的品牌，质量不错，非常好。长期回购，很好，很不错。姨妈期量大，苏菲不侧漏，舒服实用，用完再接着买，一次囤好多了……,2024-01-28 17:13:35,柔棉纤巧 420mm 8片,5,4,11,2,"贵州
"
4e69e0f487c719ea067a9952cdcaa0c1,小***a,夜用卫生巾，首选苏菲，350的长度很有安全感，一整夜不怕侧漏，睡的安心，用的放心，推荐给大家，有活动价格一定要多囤几包，,2024-01-28 13:46:06,超熟睡裸感肌 350mm 8片,5,2,5,2,"广东
"
b071977aa0cbef0663bcfcccda86afcd,爱***E,自己一直用这个品牌，透气性很好，薄厚适中，价格也合理，是一款物美价廉，值得信赖的大众品牌。自认为性价比还算比较高，值得信赖的产品,2024-01-28 09:20:02,柔棉纤巧 420mm 8片,5,4,24,2,"河北
"
0b58f5e5e56683c1797c56a434992019,j***6,苏菲大品牌，质量有保障，就认准这个牌子了！绵柔材质的，很舒适，质量很好，用着放心，很透气，赶上活动买很合适，送货也快，值得购买！,2024-02-01 23:31:11,超熟睡裸感肌 350mm 8片,5,4,4,2,"北京
"
a5845d93f9d448426b84787b5aa47031,j***9,一直都用这个品牌。还是很喜欢这款卫生巾的，好用还不贵。赶上京东搞活动更是很优惠，很赞👍每次赶上京东搞活动都会购买一些。京东的到货速度也是很快的，一般当天下单转天就到货了。,2024-02-06 23:29:08,超熟睡柔棉感 350mm 8片,5,2,1,3,"天津
"
df1af82c1f874dac09ad6d85a98b370b,j***9,非常好用的卫生巾，安睡一整晚。赶上京东搞活动立刻下单购买，很赞。而且物流也是很快的，一般当天下单转天就到货了，还是很赞的👍不错的购物体验。,2024-02-06 23:35:55,超熟睡柔棉感 290mm 10片,5,2,2,3,"天津
"
bc7f361fd38f9994abf389eec0ae75ad,y***8,苏菲卫生巾，国际大品牌，质量非常好，非常舒适，而且不会侧漏，价廉物美，物流及时，一次很好的购物体验，还会再买。,2024-02-09 17:32:24,柔棉纤巧 420mm 8片,5,4,1,2,"上海
"
4b5afcd6da160fd3c277508b5df85894,晨***8,宝贝已经收到，很满意，质量很好，包装精细，日期很好，价格实惠。谢谢卖家，谢谢物流，谢谢快递员，赞赞赞,2024-02-06 14:07:26,超熟睡裸感肌 420mm 8片,5,4,2,3,"辽宁

Answer 1

qq_58531721 晚上好🌙🌙🌙
本答案参考ChatGPT-3.5

解决方案：

1. 导入re库，使用正则表达式清除所有的符号和表情。可以使用re.sub()函数来实现替换。
2. 使用Python的字符串处理函数replace()去除引号和换行符。
3. 使用pandas的str.strip()函数去除字符串首尾的空格。
4. 可以将处理后的数据保存为一个新的csv文件。

修改后的代码如下所示：

import pandas as pd
import re

# 读取原始csv文件
df = pd.read_csv('sf_data.csv')

# 清洗sf_location列中的引号和换行符
df['sf_location'] = df['sf_location'].str.replace('"', '').str.replace('\n', '')

# 清洗sf_content列中的符号和表情
df['sf_content'] = df['sf_content'].apply(lambda x: re.sub(r'[^\w\s]+', '', x))

# 去除空格
df['sf_content'] = df['sf_content'].str.strip()

# 保存为新的csv文件
df.to_csv('cleaned_data.csv', index=False)

执行以上代码后，将会得到一个清洗后的csv文件"cleaned_data.csv"，其中sf_location列中的引号和换行符以及sf_content列中的符号和表情都已经清理干净。