假设我有一个数据框df1
:
Sr A B C
1 rains It rain there. It rains there
2 plane This is a vertical planes This is a vertical plane
3 tree Plant a trees Plant a tree
列C
是我的预期输出。我需要将 B 列字符串中的每个单词与 A 中的单词进行比较,如果 Levenshtein 距离为 1,则替换它。
我的方法:
import jellyfish as jf
def word_replace(str1):
comp = #don't know how to store value of column A in this variable.
for word in str1.split():
if jf.levenshtein_distance(word,comp) == 1:
word = comp
else:
pass
return str1
df1['C'] = df1['B'].apply(word_replace)
第二件事,如果A
列有像“near miss”
这样的双字怎么办?我需要如何修改上面的代码?例如:
Sr A B C
1 near miss that was a ner mis that was a near miss
最佳答案
您在一个问题中提出了两个问题,这在 Stack Overflow 上绝不是一个好主意。我只是回答你的第一个问题,如果你想让别人看你的第二个问题那么我建议你专门写一个新问题。
pd.DataFrame.apply
可以跨行或跨列工作,您希望单独处理每一行,因此必须传递 axis=1
关键字参数。
下面是一些解决您问题的代码,它使用 list comprehension利用ternary operator选择需要替换的单词。然后使用str.join()
将该列表连接在一起。 。
最初,您的代码正在迭代分割字符串,但这不起作用 as you cannot modify them as you are iterating over the list 。它还假设函数的输入是一个字符串,这是不正确的,因为它将是一个 pandas.Series
对象。
这是一段简化的代码,没有考虑标点符号之类的东西,我将其作为练习留给读者。
import pandas as pd
import jellyfish as jf
data1 = {'A':['rains','plane','tree'],'B':['It rain there','This is a vertical planes','Plant a trees']}
df1 = pd.DataFrame(data1)
def word_replace(row):
comp = row['A']
str1 = row['B']
out = ' '.join([comp if jf.levenshtein_distance(word, comp) == 1
else word for word in str1.split()])
return out
df1['C'] = df1.apply(word_replace, axis=1)
关于python - 使用编辑距离替换另一列中的单词,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/24078723/