根据另一个列值删除字符串中的单词

Question

我有两列，它们是逗号分隔的单词和字符串格式的单个单词的组合。 col1 永远只包含一个词。在此示例中，我将使用单词 Dog 作为 col1 中的单词，但这在实际数据中会有所不同，因此请不要使用正则表达式进行解决特别是 Dog。

df = pd.DataFrame({"col1": ["Dog", "Dog", "Dog", "Dog"],
                     "col2": ["Cat, Mouse", "Dog", "Cat", "Dog, Mouse"]})

我想检查 col1 中的单词是否出现在 col2 的字符串中，如果出现，我想从 col2 中删除该单词。但请记住，如果还有更多单词，我想保留字符串的其余部分。所以它将从这里开始：

    col1    col2    
0   Dog     Cat, Mouse
1   Dog     Dog
2   Dog     Cat
3   Dog     Dog, Mouse

为此：

    col1    col2
0   Dog     Cat, Mouse
1   Dog 
2   Dog     Cat
3   Dog     Mouse

Answer 1

试试这个：

import re
df['col2'] = [(re.sub(fr"({word}[\s,]*)","",sentence)) 
             for word,sentence in zip(df.col1,df.col2)]
df

    col1    col2
0   Dog     Cat, Mouse
1   Dog 
2   Dog     Cat
3   Dog     Mouse

另一个df，中间有狗:

df = pd.DataFrame({"col1": ["Dog", "Dog", "Dog", "Dog","Dog"],
                     "col2": ["Cat, Mouse", "Dog", "Cat", "Dog, Mouse", "Cat, Dog, Mouse"]})

df


   col1     col2
0   Dog     Cat, Mouse
1   Dog     Dog
2   Dog     Cat
3   Dog     Dog, Mouse
4   Dog     Cat, Dog, Mouse

应用上面的代码：

   col1     col2
0   Dog     Cat, Mouse
1   Dog 
2   Dog     Cat
3   Dog     Mouse
4   Dog     Cat, Mouse

Answer 2

(^,|,$) 处理起始和尾随逗号
(,\s|,) 将删除替换操作后保留的逗号。
{1,} 跳过不重复的逗号

df['col2'] = df['col2'].str. \
    replace("|".join(df['col1'].unique()), "").str.strip() \
    .str.replace("(?:^,|,$)", "") \
    .str.replace("(?:,\s|,){1,}", ",")

  col1          col2
0  Dog     Cat,Mouse
1  Dog              
2  Dog           Cat
3  Dog   Mouse,Mouse

Answer 3

l=df.col1.tolist()#col1 列表

从 col2 创建集合，通过应用 lambda 函数查找差异来评估 l 在集合中的成员资格。

df['col2']=list(zip(df.col2))
df['col2']=df.col2.apply(lambda x:[*{*x}-{*l}]).str[0]

根据另一个列值删除字符串中的单词

Remove word within a string based on another columns value

python

string

string-comparison

pandas