Python 删除重复的单词，但在句子中保留重复的数字

我试图找出如何删除许多句子中的重复单词，但不删除一位数或两位数

我以前使用过以下方法来删除重复的数字，同时保留顺序，但这会删除单个重复的数字

df['reporting_name'] = df['reporting_name'].str.split().apply(lambda x: OrderedDict.fromkeys(x).keys() if x is not None else None).str.join(' ')

所以我想我需要一些正则表达式来拆分一个单词后面跟一个数字，包括空格，比如。 或许还有另一种通用的解决方案

输入

预期产量

删除重复的单词，保留数字，并保持单词顺序

---

如果一个单词有标识符并且是重复的，例如区域1，则同时保留区域和区域1。

如果您希望保留每个非数字单词的第一次出现，则应该这样做。您总是可以欺骗条件，使其具有最多两个数字

def cleanup(s):
    words = set()
    for (word, nextword) in zip(s.split(), s.split()[1:] + [None]):
        if word.isdigit():
            yield word
            continue
        if not word in words:
            words.add(word)
            yield word
        elif nextword and nextword.isdigit():
            yield word


print ' '.join(cleanup("East Zone Mbc26 East Zone 1 2nd S11B Smds Smoke Damper 1 Status"))
print ' '.join(cleanup("GF Command Room 1 Unit 1 Flow Temperature Temperature"))

输出

---

为什么要保留第一个东区和第二个区？你想这样做是为了一个字符串吗？3位数或更多的数字呢？花车？在减振器2状态下，输出改变了编号。这是打字错误吗？@Toto，我应该解释一下，我希望保留区域标识符，在本例中为1。因此，当一个标识符可用时，两者都可以保留。@Reti43，这确实是一个输入错误，整个句子是一个字符串，名称中不存在浮点数。您可以只做word.isdigit。我应该更明确一些，实际上我希望在第一句话中保留区域1和区域，否则，1可能会被误解。因此，只要重复的单词后面有一个标识符，就同时保留这两个标识符。

"East Zone Mbc26 Zone 1 2nd S11B Smds Smoke Damper 1 Status"
"GF Command Room 1 Unit 1 Flow Temperature"

def cleanup(s):
    words = set()
    for (word, nextword) in zip(s.split(), s.split()[1:] + [None]):
        if word.isdigit():
            yield word
            continue
        if not word in words:
            words.add(word)
            yield word
        elif nextword and nextword.isdigit():
            yield word


print ' '.join(cleanup("East Zone Mbc26 East Zone 1 2nd S11B Smds Smoke Damper 1 Status"))
print ' '.join(cleanup("GF Command Room 1 Unit 1 Flow Temperature Temperature"))

East Zone Mbc26 Zone 1 2nd S11B Smds Smoke Damper 1 Status
GF Command Room 1 Unit 1 Flow Temperature