对csv的某一列取文字删除数字并保存为新的一列

您可以使用Python编程语言中的pandas库来操作csv文件，并使用正则表达式来删除数字。

下面是一个示例代码，假设您要删除csv文件中名为“numbers”的列中的数字，并将结果保存到名为“new_column”的新列中。

import pandas as pd
import re

# 读取csv文件
df = pd.read_csv('your_file.csv')

# 使用正则表达式删除数字
df['new_column'] = df['numbers'].apply(lambda x: re.sub(r'\d+', '', str(x)))

# 保存到新的csv文件中
df.to_csv('new_file.csv', index=False)

在上面的代码中，首先使用pandas库的read_csv()函数读取csv文件并将其存储在一个名为df的DataFrame对象中。

然后，使用apply()函数和lambda表达式来遍历“numbers”列中的每个单元格，并使用re.sub()函数删除其中的数字。删除后的结果将存储在一个名为“new_column”的新列中。

最后，使用to_csv()函数将DataFrame对象保存到一个名为“new_file.csv”的新csv文件中，并将index参数设置为False以避免保存行索引。

相关问题

对csv的某一列取文字删除数字

假设要对csv文件中的第二列取出文字并删除数字，可以使用以下Python代码：

import csv

with open('data.csv', 'r') as csvfile:
    reader = csv.reader(csvfile)
    for row in reader:
        # 取出第二列文字并删除数字
        text = ''.join(filter(str.isalpha, row[1]))
        print(text)

这里使用csv模块读取csv文件，并针对每一行数据取出第二列的文字并删除数字，最后打印出来。其中，`filter(str.isalpha, row[1])`会返回第二列中所有的字母，而忽略数字和其他字符。如果要忽略其他字符，可以使用`filter(lambda x: x.isalpha() or x.isspace(), row[1])`。

python 对csv文件的某一列删除掉空格字符

在Python中，使用pandas库操作CSV文件时，如果你想删除某一列的所有空格字符，你可以这样做：

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_file.csv')  # 将 'your_file.csv' 替换为你实际的文件路径

# 假设你想删除名为 'column_name' 的列中的空格，替换 'column_name' 为实际列名
df['column_name'] = df['column_name'].str.replace(' ', '')

# 这将直接在原DataFrame上修改，如果你不想改变原始数据，可以创建一个新的DataFrame
clean_df = df.copy()
clean_df['column_name'] = clean_df['column_name'].str.strip()  # 用strip()替代replace()，去除两端的空格

# 保存更新后的数据到新的CSV文件
clean_df.to_csv('new_file.csv', index=False)  # 将 'new_file.csv' 替换为你想保存的新文件名