如何在python中删除数据帧中单词的精确匹配？

Question

假设以下数据框中有一列名为<；游戏>；：

df:
   game
0  juegos blue
1  juego red
2  juegos yellow

我想从以下停止词列表中删除这些词：

stopWords = ['juego','juegos']

期望的结果是：

df:
   game
0  blue
1  red
2  yellow

我试过：

df['game'] = df['game'].str.replace("|".join(stopWords ), " ")

该函数可以工作，但它会从条目“juegos”中删除“juego”，而不使用“s”：

df:
   game
0  s blue
1   red
2  s yellow

有没有一种方法只有在完全匹配的情况下才能删除单词

Answer 1

Python字符串替换将不起作用，但正则表达式模块将起作用。您需要在字符串中添加一些标记，以使正则表达式查找完整的单词。例如，您可能知道它是一个完整的单词，因为它后面跟一个句点.、逗号,、任何类型的空格\s、或一个尾行$\b是单词边界的正则表达式模式

import re
s1 = df['game'].str
for sw in stopWords:
    s1 = re.sub(r'{0}\b'.format(sw), '', s1)
df['game'].str = s1

（我从this other good answer偷了\b。）

---

保留旧代码以防您感兴趣。这一步还可以直接删除匹配单词后的空格、逗号或句点，这不是您所要求的，但可能很有用

import re
s1 = df['game'].str
for sw in stopWords:
    s1 = re.sub(r'{0}([.,\s]|$)'.format(sw), '', s1)
df['game'].str = s1

Answer 2

只需使用DataFrame.replace（）即可

In [1]: import pandas as pd 
   ...: df = pd.DataFrame({'game': ['juegos blue', 'juego red', 'juegos yellow']}) 
   ...: stop_words = [r'juego\b', r'juegos\b'] 
   ...: df.replace(to_replace={'game': '|'.join(stop_words)}, value='', regex=True, inplace=True) 
   ...: df                                                                                                                                                    
Out[1]: 
      game
0     blue
1      red
2   yellow

In [2]: df = pd.DataFrame({'game': ['juegos blue', 'juego red', 'juegos yellow']}) 
   ...: stop_words = [r'juego\b'] 
   ...: df.replace(to_replace={'game': '|'.join(stop_words)}, value='', regex=True, inplace=True) 
   ...: df                                                                                                                                                    
Out[2]: 
            game
0    juegos blue
1            red
2  juegos yellow

假设stop'words'以单词边界\b结尾