假設以下數據框有一列名為 <game>：df: game0 juegos blue1 juego red2 juegos yellow我想從以下停用詞列表中刪除這些詞：stopWords = ['juego','juegos']并且期望的結果是：df: game0 blue1 red2 yellow我試過了：df['game'] = df['game'].str.replace("|".join(stopWords ), " ")該函數有效，但它從條目“juegos”中刪除了“juego”，只留下一個“s”：df: game0 s blue1 red2 s yellow有沒有辦法只在完全匹配的情況下刪除單詞？
2 回答
www說
TA貢獻1775條經驗 獲得超8個贊
你可以用 pandas DataFrame.replace() 來做
In [1]: import pandas as pd
...: df = pd.DataFrame({'game': ['juegos blue', 'juego red', 'juegos yellow']})
...: stop_words = [r'juego\b', r'juegos\b']
...: df.replace(to_replace={'game': '|'.join(stop_words)}, value='', regex=True, inplace=True)
...: df
Out[1]:
game
0 blue
1 red
2 yellow
In [2]: df = pd.DataFrame({'game': ['juegos blue', 'juego red', 'juegos yellow']})
...: stop_words = [r'juego\b']
...: df.replace(to_replace={'game': '|'.join(stop_words)}, value='', regex=True, inplace=True)
...: df
Out[2]:
game
0 juegos blue
1 red
2 juegos yellow
假設 stop 'words' 以單詞 boundary 結尾\b。
明月笑刀無情
TA貢獻1828條經驗 獲得超4個贊
Python 字符串替換不起作用，但正則表達式模塊可以。您將需要向字符串添加一些標記以使正則表達式查找完整的單詞。例如，您可能知道它是一個完整的單詞，因為它后面跟有句號.、逗號,或任何類型的空格\s，或結尾行$。\b是單詞邊界的正則表達式模式。
import re
s1 = df['game'].str
for sw in stopWords:
? ? s1 = re.sub(r'{0}\b'.format(sw), '', s1)
df['game'].str = s1
保留舊代碼以備不時之需。此方法還會直接刪除匹配詞后的空格、逗號或句點，這不是您要求的，但可能會有用。
import re
s1 = df['game'].str
for sw in stopWords:
? ? s1 = re.sub(r'{0}([.,\s]|$)'.format(sw), '', s1)
df['game'].str = s1
添加回答
舉報
0/150
提交
取消