我的數據框在 SQL 上看起來像這樣（我可以直接在那里編寫我的查詢，也可以將其導入 Pandas 然后執行）：videoId videoName12234 Racing through the valleys14533 Character Loose14456 ????? ???? 17889 ?????16612 ?? ?????? ????? ?????15580 ???????? ?????????所以我渴望的數據框是這樣的：videoId videoName 14456 ????? ???? 17889 ????? 16612 ?? ?????? ????? ????? 15580 ???????? ?????????我想保留帶有“印地語”和“孟加拉語”字樣的行。無論如何我可以直接從 SQL 或通過在 Pandas 中導入來做到這一點，無論如何都可以。然后我想要區分“印地語”和“孟加拉語”。兩個不同的數據幀，如：df_hindi： videoId videoName 14456 ????? ???? 17889 ?????df_bengali：videoId videoName16612 ?? ?????? ????? ?????15580 ???????? ?????????正如我所說，任何方法都可以，但 Pandas 和 Python 更可取。
2 回答
慕慕森
TA貢獻1856條經驗 獲得超17個贊
查找字體范圍，印地語（梵文）似乎是U+0900–U+097F和孟加拉語U+0980–U+09FF。
chars_hindi = [chr(c) for c in range(0x0900, 0x097f)]
chars_bengali = [chr(c) for c in range(0x0980, 0x09ff)]
使用交替通過正則表達式過濾掉數據幀為您提供所需的輸出：
df_hindi = df[df.videoName.str.contains('|'.join(chars_hindi))]
df_bengali = df[df.videoName.str.contains('|'.join(chars_bengali))]
雖然被警告，這只能給出的假設，每一個videoName也只包含無論是印地文和梵文。如果您的數據不能滿足該假設，那么您必須以另一種方式解決您的問題。
添加回答
舉報
0/150
提交
取消