python中拉丁字符的特殊文本

Question

我有以下熊猫数据框：

the_df = pd.DataFrame({'id':[1,2],'name':['Joe','']})
the_df
    id  name
0   1   Joe
1   2   

如您所见，我们可以将第二个名字读为“Sarah”，但它是用特殊字符编写的。

我想创建一个新列，将这些字符转换为拉丁字符。我试过这种方法：

the_df['latin_name'] = the_df['name'].str.extract(r'(^[a-zA-Z\s]*)')
the_df
    id  name    latin_name
0   1   Joe     Joe
1   2     

但它不识别字母。请，对此的任何帮助将不胜感激。

Answer 1

尝试 .str.normalize

the_df['name'].str.normalize('NFKC').str.extract(r'(^[a-zA-Z\s]*)')

输出：

       0
0    Joe
1  Sarah