今天在特征工程的时候，碰到一个小问题，通常我们读取文本的时候，pd.read_csv()就可以很方便读取，但我拿到的这份数据集比较奇葩，列之间使用空格来间隔，但是空格的长度不一致。数据大概长这样【img/Sheer_Woven_Blouse/img_00000001.jpg 031 081 168 259】
需要对空格进行统一，废话不多说，下面是我的代码
写一个递归函数吧.
def spaceReplace(i):
i = i.replace(' ', ' ')
if ' ' in i:
i = cc(i)
else:
return i
return i
行数太多，简化一下代码.
def spaceReplace(i):
i = i.replace(' ', ' ')
i = cc(i) if ' ' in i else i
return i
更简单的方法，用正则表达式直接替换.
import re
def spaceReplace(i):
i = re.sub(' +', ' ', i).split(' ')
return i
以上三种方法都可以实现多空格的替换，将【img/Sheer_Woven_Blouse/img_00000001.jpg 031 081 168 259】替换为【img/Sheer_Woven_Blouse/img_00000001.jpg 031 081 168 259】
发表回复