如何替换包含完整句子的列的每一行中的多个单词？

Posted 2023-03-12

【中文标题】如何替换包含完整句子的列的每一行中的多个单词？

【英文标题】：How do I replace multiple words within each row of a column that contains full sentences?

【发布时间】：2020-11-03 02:28:38

【问题描述】：

我有一个数据框（我们称其为“小文本”），其中有一列，每行包含句子。我还有另一个表（我们称之为“littledict”），我想将其用作在“littletext”的每一行中查找和替换单词和/或短语的参考。

这是我的两个数据框。我在这个例子中对它们进行了硬编码，但会在“现实生活”中将它们加载为 csv 文件：

raw_text = 
    "text": ["Hello, world!", "Hello, how are you?", "This world is funny!"],
    "col2": [0,1,1]

littletext = pd.DataFrame(raw_text, index = pd.Index(['A', 'B', 'C'], name='letter'), columns = pd.Index(['text', 'col2'], name='attributes'))


raw_dict = 
    "key": ["Hello", "This", "funny"],
    "replacewith": ["Hi", "That", "hilarious"]

littledict = pd.DataFrame(raw_dict, index = pd.Index(['a','b','c'], name='letter'), columns = pd.Index(['key', 'replacewith'], name='attributes'))


print(littletext) # ignore 'col2' since it is irrelevant in this discussion

                   text  col2
A         Hello, world!     0
B   Hello, how are you?     1
C  This world is funny!     1

print(littledict)
     key replacewith
a  Hello          Hi
b   This        That
c  funny   hilarious

我想按照下面的方式修改“小文本”，其中 Python 将在我的“小文本”表（数据框）的每个句子中查看多个单词并替换多个单词，作用于所有行。最终的结果应该是 A 行和 B 行中的 'Hello' 被替换为 'Hi'，并且 C 行中的 'That' 被替换为 'This' 并且 'funny' 被替换为 'hilarious'：

                   text      col2
A         Hi, world!            0
B   Hi, how are you?            1
C  That world is hilarious!     1

这是我尝试过的两次尝试，但都没有奏效。他们没有产生错误，他们只是没有像我上面描述的那样修改“小文本”。尝试＃1“技术上”有效，但它效率低下，因此对于大规模工作毫无用处，因为我必须预测和编程我需要替换其他句子的每一个可能的句子。尝试 #2 根本没有改变任何东西。

我的两个不起作用的尝试是：

尝试#1：这没有帮助，因为要使用它，我必须编写整个句子来替换其他句子，这是没有意义的：

littltext['text'].replace('Hello, world!': 'Hi there, world.', 'This world is funny!': 'That world is hilarious')

尝试 #1 返回：

Out[125]: 
0           Hi there, world.
1        Hello, how are you?
2    That world is hilarious
Name: text, dtype: object

尝试 #2：此尝试更接近标记，但没有返回任何更改：

for key in littledict:
    littletext = littletext.replace(key,littledict[key])

尝试 #2 返回：

                   text  col2
0         Hello, world!     0
1   Hello, how are you?     1
2  This world is funny!     1

我搜索了互联网，包括 Youtube、Udemy 等，但无济于事。许多“教程”站点仅涵盖单个文本示例，而不是像我展示的示例那样的整列句子，因此在扩展到行业规模的项目时毫无用处。我希望有人能慷慨地阐明这一点，因为这种文本操作在许多行业环境中很常见。

我对任何可以提供帮助的人表示衷心的感谢和感谢！

【问题讨论】：

请提供预期的[最小的、可重现的示例](***.com/help/minimal-reproducible-example)。您发布的代码无法运行；你没有显示结果。您的第二次尝试已接近...

感谢您的提醒 ;-) 完成。

未完成。您发布的代码仍然无法运行。除非您的输入有问题，否则它不应该出现在帖子中。硬编码你的 DF 和 dict。

对我的问题进行了调整。如果有人发现任何问题，请告诉我。再次感谢大家！

【参考方案1】：

您在第一次尝试时非常接近。您可以使用索引中的键从littledict 创建字典并使用 regex=True。

print (littletext['text']
          .replace(littledict.set_index('key')
                             ['replacewith'].to_dict(), 
                   regex=True)
      )
0                  Hi, world!
1            Hi, how are you?
2    That world is hilarious!
Name: text, dtype: object

【讨论】：

非常感谢！！欣赏它！您的解决方案同样有效。

【参考方案2】：

dict littledict 使您能够生成正则表达式并使用.replace.str()中的正则表达式替换您需要的字符，如下所示

s=dict(zip(littledict.key,littledict.replacewith))
littletext['text'].str.replace('|'.join(s), lambda x: s[x.group()])

0                  Hi, world!
1            Hi, how are you?
2    That world is hilarious!
Name: text, dtype: object

【讨论】：

当我将您建议的代码放在上面并将 littletext = 放在您的两行中的第二行前面时，我会返回我的数据框并更改值！像魅力一样工作，非常感谢。只是帮我节省了工作时间。

很高兴有帮助