如果 substring 在数据框列的列表中，则从字符串中删除多字 substring

Question

在这里询问我的问题的后续问题： 如果 substring 在数据框列的列表中，则从字符串中删除 substring

我有以下数据框df1

       string             lists
0      I HAVE A PET DOG   ['fox', 'pet dog', 'cat']
1      there is a cat     ['dog', 'house', 'car']
2      hello EVERYONE     ['hi', 'hello', 'everyone']
3      hi my name is Joe  ['name', 'was', 'is Joe']

我正在尝试返回一个看起来像这样的数据框df2

       string             lists                         new_string
0      I HAVE A PET DOG   ['fox', 'pet dog', 'cat']     I HAVE A
1      there is a cat     ['dog', 'house', 'car']       there is a cat
2      hello everyone     ['hi', 'hello', 'everyone']   
3      hi my name is Joe  ['name', 'was', 'is Joe']     hi my

我使用的解决方案不适用于 substring 是多个单词的情况，例如pet dog or is Joe

df['new_string'] = df['string'].apply(lambda x: ' '.join([word for word in x.split() if word.lower() not in df['lists'][df['string'] == x].values[0]]))

Answer 1

这个问题大致相似，但仍然有很大不同。

在这种情况下，我们在行轴（ axis=1 ）上使用re.sub ：

df.apply(lambda row: re.sub("|".join(row["lists"]), "", row["string"], flags=re.I), axis=1)

              string                  lists      new_string
0   I HAVE A PET DOG    [fox, pet dog, cat]       I HAVE A 
1     there is a cat      [dog, house, car]  there is a cat
2     hello EVERYONE  [hi, hello, everyone]                
3  hi my name is Joe    [name, was, is Joe]         hi my 

分解它：

1. df.apply with axis=1将 function 应用于每一行
2. re.sub是str.replace的正则表达式变体
3. 我们使用"|".join来制作一个“|” 分隔字符串，在正则表达式中充当or运算符。 所以它删除了这些词之一。
4. flags=re.I所以它忽略大小写字母。

注意：由于我们在行轴上使用apply ，这基本上是一个后台循环，因此不是很优化。