使用熊猫字典替换数据框列中的关键字

Question

我有一个包含4列的数据框，其中之一称为action_description，它包含“自由文本”，可恢复为解决问题而执行的不同操作。

此列中的单词有时会写错，并且对于所有著名的错误单词，我们都有一本词典（例如：REPLCD-> REPLACED，.....）

我想使用python代码替换列中的所有错误单词。

这是我使用的代码：

码：

import sys
import pyspark
import pandas_datareader
import re
import csv
import xlrd
import pandas as pd
import numpy as np
import datetime

from pyspark.context import SparkContext
from pyspark.sql.functions import *
from pandas import DataFrame
from pandas_datareader import data, wb
from pandas import *

xls = ExcelFile("test_doc_2.xls")
df = xls.parse(xls.sheet_names[0])
df.drop(df.columns[[0, 1]],inplace=True,axis=1)
df2 = Series(df.TO_VALUE.values,index=df.FROM_VALUE).to_dict()

xls1 = ExcelFile("Test_Source_New_2.xls")
df1 = xls1.parse(xls1.sheet_names[0])

df1['WORK_PERFORMED_NEW'] = df1['WORK_PERFORMED'].replace(df2, regex=True)

此解决方案有效，但在某些情况下除外，

在我的字典中：DEF-> DEFERRED，DEFERED-> DEFERRED

所以用我的解决方案：DEFERED-> DEFERREDERED，它用DEFERRED代替DEFERED中的DEF，并与ERED，DEFERRED + ERED串联。

我考虑过使用边界（r“ \\ b”），但是语法错误！

我该如何克服这个问题。

先感谢您。

Answer 1

我猜您面临的问题是由于regex = True。 正如您提到的，您有一本字典：

DEF -> DEFERRED, DEFERED -> DEFERRED

因此，当您通过DEF ERED时，它首先找到DEF并将其替换为DEFERRED ，然后是ERED 。 这样您将获得：

DEFERED -> DEFERREDERED 

简化：

DEF +ERED -> DEFERRED + ERED -> DEFFEREDERED

如有任何疑问，您可以发表评论。