如何用Python Pandas正则保留冒号并移除列名其他特殊字符

原始DataFrame #

COL1   | XX:\x84Â\x82Ă\x82Â\  | \x84Â\x82Ă\PPx82Â\
-------|----------------------|--------------------
111    | ABC                  | X
222    | CCC                  | Y
333    | DDD                  | XX

现有代码及问题 #

用以下代码删除列名特殊字符时，冒号也被一并删除了：

import re

new_names = {col: re.sub(r'[^A-Za-z0-9_]+', '', col) for col in df.columns}
new_n_list = list(new_names.values())

当前输出：

[COL1, XX_A, PP]

需求 #

修改代码，保留列名中的冒号，同时删除其他特殊字符，期望输出：

[COL1, XX:A, PP]

解决方案 #

把正则表达式里允许保留的字符集合加上冒号:即可，修改后的代码如下：

import re

new_names = {col: re.sub(r'[^A-Za-z0-9_:]+', '', col) for col in df.columns}
new_n_list = list(new_names.values())

说明 #

原正则[^A-Za-z0-9_]+的作用是匹配所有不在字母、数字、下划线范围内的字符并替换为空。现在把冒号加入允许集合后，正则只会删除冒号之外的特殊字符，冒号会被保留下来。

内容的提问来源于stack exchange，提问作者dingaro