使用熊貓字典替換數據框列中的關鍵字

Question

我有一個包含4列的數據框，其中之一稱為action_description，它包含“自由文本”，可恢復為解決問題而執行的不同操作。

此列中的單詞有時會寫錯，並且對於所有著名的錯誤單詞，我們都有一本詞典（例如：REPLCD-> REPLACED，.....）

我想使用python代碼替換列中的所有錯誤單詞。

這是我使用的代碼：

碼：

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)

此解決方案有效，但在某些情況下除外，

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

所以用我的解決方案：DEFERED-> DEFERREDERED，它用DEFERRED代替DEFERED中的DEF，並與ERED，DEFERRED + ERED串聯。

我考慮過使用邊界（r“ \\ b”），但是語法錯誤！

我該如何克服這個問題。

先感謝您。

Answer 1

我猜您面臨的問題是由於regex = True。 正如您提到的，您有一本字典：

DEF -> DEFERRED, DEFERED -> DEFERRED

因此，當您通過DEF ERED時，它首先找到DEF並將其替換為DEFERRED ，然后是ERED 。 這樣您將獲得：

DEFERED -> DEFERREDERED 

簡化：

DEF +ERED -> DEFERRED + ERED -> DEFFEREDERED

如有任何疑問，您可以發表評論。