如何通过 python 删除 dataframe 列中两个特定单词之间的文本

Question

我正在清理的列中有文本，我需要删除“原始”和“主题”这两个词之间出现在列中的所有单词，这只是一些行。

我目前正在尝试

   a = df['textcol']
   import re
   df['textcol'] =re.sub('Original.*?Subject','',str(a), flags=re.DOTALL)

这个 function 使每根丝束中的每根绳子都与第一行完全相同，而不是单独查看每一行并进行更改

Answer 1

您需要直接使用Series.str.replace ：

df['textcol'] = df['textcol'].str.replace(r'(?s)Original.*?Subject', '', regex=True)

这里， (?s)代表re.DOTALL / re.S为了不必导入re ，它是它们的内联修饰符版本。 .*? 匹配任何零个或多个字符，尽可能少。

如果Original和Subject需要作为包含文字文本的变量传递，请不要忘记re.escape ：

import re
# ... etc. ...
start = "Original"
end = "Subject"
df['textcol'] = df['textcol'].str.replace(fr'(?s){re.escape(start)}.*?{re.escape(end)}', '', regex=True)