python - 根据另一列匹配部分文本

Question

我有这个数据集；

text                                    num

test one 3.5 and 60 test tow            3.5/60
test one 3/4 test tow                     3/4
test one 5.0 test 10 tow                  5.0

如果数字与数字匹配，我需要从文本列中删除数字 所以我这样做了:

df['text']=[re.sub('{}'.format(number), '', the_text) for the_text, number in zip(df['text'], df['num'])]

结果变成这样

text                                    num

test one 3.5 and 60 test tow            3.5/60
test one test tow                         3/4
test one test 10 tow                      5.0

如您所见，除了第一行之外，匹配的数字已被删除，因为它不是完全匹配的。 所以我想使用包含函数匹配或任何类似的东西来匹配文本的一部分。

我希望第一行会变成

test one and test tow

我这样做了，但出现错误:

[re.sub(r"\b{}\b".format(word), "", the_text) for the_text, word in zip(df['text'], word='/'.join([r'{}'.format(words) for words in df['num']]) )]

TypeError: zip() takes no keyword arguments

有什么帮助吗？

Answer 1

你可以使用

df['text'] = df.apply(lambda x: re.sub(r'(?<!\d)(?<!\d\.)(?:{}|{})(?!\.?\d)'.format(re.escape(x['num']), '|'.join([re.escape(l) for l in x['num'].split('/')])), '', x['text']), axis=1)

感谢df.apply和 axis=1 ，我们遍历所有行。

正则表达式是根据 num 中的值动态生成的列并应用于 text专栏。

r'(?<!\d)(?<!\d\.)(?:{}|{})(?!\.?\d)'.format(re.escape(x['num']), '|'.join([re.escape(l) for l in x['num'].split('/')]))创建一个正则表达式，如

(?<!\d)(?<!\d\.)(?:3/4|3|4)(?!\.?\d)

与 num 中的两个完整值匹配列和 / 之间的数字分别。

(?<!\d)(?<!\d\.)是一个后视序列，如果在当前位置的左边有一个数字或一个数字+点，则匹配失败，并且 (?!\.?\d)如果当前位置的右边有一个数字或一个点 + 数字，则匹配失败，这有效地禁止了较长数字中的数字匹配。