如何通過 python 刪除 dataframe 列中兩個特定單詞之間的文本

Question

我正在清理的列中有文本，我需要刪除“原始”和“主題”這兩個詞之間出現在列中的所有單詞，這只是一些行。

我目前正在嘗試

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

這個 function 使每根絲束中的每根繩子都與第一行完全相同，而不是單獨查看每一行並進行更改

Answer 1

您需要直接使用Series.str.replace ：

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

這里， (?s)代表re.DOTALL / re.S為了不必導入re ，它是它們的內聯修飾符版本。 .*? 匹配任何零個或多個字符，盡可能少。

如果Original和Subject需要作為包含文字文本的變量傳遞，請不要忘記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)