移除含?的DataFrame行触发nothing to repeat错误的解决求助

你遇到的error: nothing to repeat at position 0是因为?是正则表达式的特殊元字符，它用来表示匹配前面的元素0次或1次。当你直接用str.contains("?")时，正则引擎找不到?前面的可重复元素，所以抛出语法错误。而数字或字母不是正则元字符，所以用它们的时候不会报错。

另外你原来的代码还有个问题：循环里的筛选操作只是生成了临时的DataFrame切片，但没有把结果重新赋值给data，所以原数据根本不会被修改。

下面是两种可行的解决方案：

方案1：关闭正则匹配模式 #

直接告诉str.contains按普通字符串匹配，不用解析正则表达式，这样?就只是普通字符：

column_names = ["thick", "size_uni", "shape_uni", "marg_adh", 
                "size_epi_sieze", "bare_nuc", 
                "bland_chromo","norm_chromo", "mitosis", "outcome"]

data = data.astype(str)
# 筛选出所有指定列都不含"?"的行
data = data[~data[column_names].apply(lambda col: col.str.contains("?", regex=False)).any(axis=1)]

方案2：转义正则特殊字符 #

把?转义成普通字符，在Python字符串里用原始字符串r"\?"或者双反斜杠"\\?"：

column_names = ["thick", "size_uni", "shape_uni", "marg_adh", 
                "size_epi_sieze", "bare_nuc", 
                "bland_chromo","norm_chromo", "mitosis", "outcome"]

data = data.astype(str)
data = data[~data[column_names].apply(lambda col: col.str.contains(r"\?")).any(axis=1)]

补充说明 #

• ~用来取反，把"包含?"的行排除掉
• .any(axis=1)用来检查每一行是否有任意一列包含"?"，只要有一列包含就排除整行
• 如果要检查DataFrame的所有列而不是指定列，直接去掉column_names，写成data[~data.apply(lambda col: col.str.contains("?", regex=False)).any(axis=1)]

内容的提问来源于stack exchange，提问作者gracestar8