将 HTML 字符转换为 Pandas Dataframe 中的字符串

Question

我想将数据框中的 html 字符替换为字符串。

我尝试了下面的代码，但无法更改为 Stirng。

import html
html.unescape(data)

这是我的数据框，我该怎么做？

供您参考，此结果来自 Google Cloud 的 Translation API。

ID A1 A2 A3 1 我不知道它是否不满足实际上我很难理解...我不知道它是否不满足我的exp... 2 NaN NaN NaN 3 I认为这是一个正确的网页设计，至少... NaN 该商品售价 400 日元或 4 英镑。

Answer 1

如果您没有任何 NaN，那么您可以简单地使用applymap()来处理所有单元格html.escape。

因此，如果您认为可以将 NaN 转换为空字符串，您可以使用：

df.fillna("").applymap(html.unescape)

如果您想保留 NaN，那么一个好的解决方案是将stack()列转换为索引的另一级别，这将抑制 NaN 条目。然后你可以使用apply()（因为它现在是一个系列，而不是一个数据帧），稍后unstack()将其恢复为原始格式：

df.stack().apply(html.unescape).unstack()

但请注意，最后一个方法将消除完全由 NaN 组成的行或列​​，不确定您是否可以接受。

另一种选择是使用applymap()lambda，并且仅适用html.unescape于非 NaN 的项：

df.applymap(lambda x: html.unescape(x) if pd.notnull(x) else x)