如何删除一个带有两个特定首字母的句子

Question

我有一个包含新闻数据集的数据框。 我想删除一个带有两个特定初始词的句子，即“baca juga:, .... laga”。 例如。 知道怎么做吗？

如果您需要，这是附加信息。

Answer 1

您可以尝试 df.loc 找到它，然后将其更改为空白：

df.loc[df['news'].astype(str).str.contains(r'(?:baca juga)', regex=True), 'news'] 

如果可行，您可以使用 = '' 将其设置为空白

Answer 2

使用正则表达式，找到句子然后用空格替换

我在你的例子中没有看到 baca juga 但假设它在其中一排

import re
df['news'].map(lambda x: re.sub(r'(baca juga[^.]+.)', '', x))

解释

• baca juga从这个开始

• [^.]这匹配任何不是句点的字符

• +. 继续直到达到一个时期并删除该时期

例子

input_df
                                                news
0  dskfl fsdg wer. baca juga: fgads awr yut. dfaw...
1          rwepu fsan apsj lis. fja jp ios jos lfslt

Output_df
0           dskfl fsdg wer.  dfaw top fapw asf
1    rwepu fsan apsj lis. fja jp ios jos lfslt