Python 从字符串中删除以分号分隔的重复子字符串

我有一个excel文件，其中一列有字符串。我试图删除由分号和空格（“；”）分隔的重复子字符串。但是代码抛出错误。输入和输出要求如下：

输入

印度布巴内斯瓦尔ABC公司；印度布巴内斯瓦尔国防部；印度布巴内斯瓦尔ABC公司
印度布巴内斯瓦尔GHR；印度布巴内斯瓦尔ABC公司
印度布巴内斯瓦尔国防部；印度布巴内斯瓦尔国防部
印度布巴内斯瓦尔GHR

输出

印度布巴内斯瓦尔ABC公司；印度布巴内斯瓦尔国防部
印度布巴内斯瓦尔GHR；印度布巴内斯瓦尔ABC公司
印度布巴内斯瓦尔国防部
印度布巴内斯瓦尔GHR

---

假设您的输入中有4行感兴趣的列中的字符串。可以按如下方式删除重复的子字符串：

>>将熊猫作为pd导入
>>>df=pd.数据帧（{'Dummy'：['a'，'b'，'c'，'d']，'RepStr'：['ABC，布巴内斯瓦尔，印度；DEF，布巴内斯瓦尔，印度；ABC，布巴内斯瓦尔，印度，'GHR，布巴内斯瓦尔；ABC，布巴内斯瓦尔，印度，'DEF，布巴内斯瓦尔，印度；DEF，布巴内斯瓦尔，印度，'GHR，布巴内斯瓦尔，印度']））
>>>
>>>使用pd.option\u上下文(
…“display.width”，无，
…“display.max_columns”，无，
…“display.max_colwidth”，-1，
…'display.colheader_justify'，'left'）：
...     打印（df）
... 
伪RepStr
印度布巴内斯瓦尔ABC公司；印度布巴内斯瓦尔国防部；美国广播公司，布巴内斯瓦尔，印度
1 b印度布巴内斯瓦尔GHR；美国广播公司，布巴内斯瓦尔，印度
2 c DEF，布巴内斯瓦尔，印度；印度布巴内斯瓦尔国防部
印度布巴内斯瓦尔3D GHR
>>>
>>>df['RepStr']=df['RepStr'].apply（lambda x:'；'）.join（dict.fromkeys（（x.split（'；'））））））
>>>
>>>使用pd.option\u上下文(
…“display.width”，无，
…“display.max_columns”，无，
…“display.max_colwidth”，-1，
…'display.colheader_justify'，'left'）：
...     打印（df）
... 
伪RepStr
印度布巴内斯瓦尔ABC公司；印度布巴内斯瓦尔国防部
1 b印度布巴内斯瓦尔GHR；美国广播公司，布巴内斯瓦尔，印度
2 c DEF，布巴内斯瓦尔，印度
印度布巴内斯瓦尔3D GHR

需要注意的几点：

• 我使用了

  dict.fromkeys（）

  而不是

  set（）

  ，因为Python 3.6及更高版本中的dict.fromkeys（）尊重插入顺序，而后者不尊重插入顺序。如果不关心子字符串的顺序，可以使用

  set（）

  。此外，如果您的Python版本不是3.6和以上，并且子串的顺序很重要，您可能需要考虑<代码> OrdEddit < /C> >
。
• 您的输入示例仍然存在一些使字符串不同的问题，例如，第一行的注释

  ABC，Bhubaneswar，India

  不是

  ABC，Bhubaneswar，India

  （后者中缺少空格）。从您的输出示例中，我假设您希望它们是相同的字符串
• 带有的

  块不会向解决方案添加任何内容。我包括它只是为了说明的目的；使行适合屏幕

---

稍作修改后，我的以下代码工作正常：

import pandas as pd
pipe_data = pd.read_excel('/content/sample_data/aff.xlsx', sheet_name='Sheet2')
df = pd.DataFrame(pipe_data)
df.dropna(inplace = True)
df['RepStr'] = df['RepStr'].str.split("; ")
df['RepStr'] = df['RepStr'].map(pd.unique).str.join("; ")
with pd.ExcelWriter('/content/sample_data/aff.xlsx', mode='a') as writer:
  df.to_excel(writer, sheet_name='Sheet3')

---

你面临的错误是什么？我觉得你的代码很好。

--->6 df['RepStr']=df['RepStr'].apply（lambda x:set（map（str.strip，x）））

TypeError:'float'对象不可编辑输入、输出或描述有点奇怪。在

“；”

处拆分输入将产生5个不同的字符串，即

1。美国广播公司，布巴内斯瓦尔，印度，2。布巴内斯瓦尔，印度ABC，布巴内斯瓦尔，印度，3。GHR，布巴内斯瓦尔，印度，4。ABC，布巴内斯瓦尔，印度DEF，布巴内斯瓦尔，印度和5。DEF，布巴内斯瓦尔，印度GHR，布巴内斯瓦尔，印度

。没有重复的。这不是错误的原因，但是为了帮助你，你需要知道你在寻找什么。你能检查一下你的输入和期望的输出（和描述）吗？

df['RepStr']

是否具有非

str

s，例如

float

s？子字符串（以及组成子字符串的单词）的顺序是否也很重要？如果是，在输入、输出、两者中？@NikolaosChatzis请再次检查输入和输出。因为我没有包括
，所以之前有些混乱。我需要“子字符串的顺序”，它抛出了一个错误“'float'对象不可替代”，因为输入来自excel文件。在何处包含“for循环”，以便它可以逐个单元读取和写入

import pandas as pd
pipe_data = pd.read_excel('/content/sample_data/aff.xlsx', sheet_name='Sheet2')
df = pd.DataFrame(pipe_data)
df.dropna(inplace = True)
df['RepStr'] = df['RepStr'].str.split("; ")
df['RepStr'] = df['RepStr'].map(pd.unique).str.join("; ")
with pd.ExcelWriter('/content/sample_data/aff.xlsx', mode='a') as writer:
  df.to_excel(writer, sheet_name='Sheet3')