根据字符数删除元组

Question

我有一个由单词元组组成的数据集。 我想删除包含少于 4 个字符的单词，但我想不出一种方法来迭代我的代码。

这是我的数据示例：

                   content                clean4Char
0         [yes, no, never]                   [never]
1    [to, every, contacts]         [every, contacts]
2 [words, tried, describe]  [words, tried, describe]
3          [word, you, go]                    [word]

这是我正在使用的代码（它一直向我显示错误警告）。

def remove_single_char(text):
    text = [word for word in text]
    return re.sub(r"\b\w{1,3}\b"," ", word)

df['clean4Char'] = df['content'].apply(lambda x: remove_single_char(x))
df.head(3)

Answer 1

问题出在您的remove_single_char function 上。这将完成这项工作：

也没有必要使用 lambda 因为你已经通过 function applay

def remove(input):
    return list(filter(lambda x: len(x) > 4, input))

df['clean4Char'] = df['content'].apply(remove)
df.head(3)

Answer 2

我们可以在这里使用str.replace作为 Pandas 选项：

df["clean4Char"] = df["content"].str.replace(r'\b\w{1,3}\b,?\s*', '', regex=True)

这里使用的正则表达式表示匹配：

• \b单词边界（只匹配整个单词）
• \w{1,3}不超过 3 个字符的单词
• \b关闭单词边界
• ,? 可选逗号
• \s*可选空格

然后我们用空字符串替换以有效地删除 3 个字母或更少的匹配词以及可选的尾随空格和逗号。

这是一个正则表达式演示，显示替换逻辑正在运行。