Python 删除数据帧列中的多个子字符串

我在熊猫数据框中有一列成分。我需要除去除配料名称以外的所有成分（例如：1/3杯腰果>腰果）

输入

预期产量

我尝试过使用字典，将常用词映射到空字符串，如下所示：

remove_list ={'\d+': '', 'ounces': '', 'ounce': '', 'tablespoons': '', 'tablespoon': '', 'teaspoons': '', 'teaspoon': '', 'cup': '', 'cups': ''}
column = df['ingredient']
column.apply(lambda column: [remove_list[y] if y in remove_list else y for y in column])

这根本没有改变数据

我也尝试过使用正则表达式：

df['ingredients'] = re.sub(r'|'.join(map(re.escape, remove_list)), '', df['ingredients'])

但这只会给出一个错误，即“TypeError:预期的字符串或缓冲区”

---

我对Python非常陌生，因此我认为使用正则表达式是可能的，我只是不知道如何做到这一点。

熊猫数据帧中内置了一组字符串函数

像这样的方法应该会奏效：

df['ingredient'] = df['ingredient'].str.replace('\d+', '', regex=True)

我不知道你是否可以使用dict，你可能需要反复阅读你的字典才能得到你想要的所有替换

for ptn, rpl in remove_list.items():
    df['ingredient'] = df['ingredient'].str.replace(ptn, rpl, regex=True)

---

因为您想用相同的字符替换所有内容，所以只需将它们放入列表中即可

l = ['\d+', '[^\x00-\x80]+', 'ounces', 'ounce', 'tablespoons', 
     'tablespoon', 'teaspoons', 'teaspoon', 'cup', 'cups']

然后使用一个

替换

，连接所有内容

df.ingredient.str.replace('|'.join(l), '', regex=True).str.strip()
# Safer to only replace stand-alone words. strip not needed
#df.ingredient.str.replace('|'.join([x + '\s' for x in l]), '', regex=True)

输出：

---

我将

'[^\x00-\x80]+'

添加到列表中以删除这些小数字符，并且

.str.strip

在替换后删除任何多余的或前导的空格。

您可以使用循环和

.split（）

方法：

i = 0
for row in df['ingredient']:
    item = row.split(sep=' ', maxsplit=1)
    df['ingredient'].loc[i] = item[1]
    i += 1

输出将是：

    recipe_name                                ingredient
0   Truvani Chocolate Turmeric Caramel Cups    cup cashews
1   Truvani Chocolate Turmeric Caramel Cups    dates
2   Truvani Chocolate Turmeric Caramel Cups    tablespoon almond butter
3   Truvani Chocolate Turmeric Caramel Cups    tablespoons coconut milk
4   Truvani Chocolate Turmeric Caramel Cups    teaspoon vanilla extract

---

如果你想保留度量值，你可以创建一个重复的列，在一列中保留值，在另一列中保留成分。

我试图做到这一点，而不是对每个单词使用单独的替换语句，但这可能是你使用dict的唯一方法，你只需要用一个重复模式额外的代码行（如上所述）。@Conor请小心，因为这会意外地将

5个纸杯蛋糕

替换为

蛋糕

。你可以通过替换

'\cup\s'

来解决这个问题，这样它只会在后面跟一个空格时替换单词，就像

'cup'

中那样，而不是

'cupc'

啊，谢谢你，我刚才检查过了，因为我遇到了这个问题。

0            cashews
1              dates
2      almond butter
3       coconut milk
4    vanilla extract
Name: ingredient, dtype: object

i = 0
for row in df['ingredient']:
    item = row.split(sep=' ', maxsplit=1)
    df['ingredient'].loc[i] = item[1]
    i += 1

    recipe_name                                ingredient
0   Truvani Chocolate Turmeric Caramel Cups    cup cashews
1   Truvani Chocolate Turmeric Caramel Cups    dates
2   Truvani Chocolate Turmeric Caramel Cups    tablespoon almond butter
3   Truvani Chocolate Turmeric Caramel Cups    tablespoons coconut milk
4   Truvani Chocolate Turmeric Caramel Cups    teaspoon vanilla extract