python - Pandas 单词中重复的元音和辅音

Question

我有以下数据集:

a_df = pd.DataFrame({'id':[1,2,3,4,5],'text':['This was fuuuuun','aaaawesome','Hiiigh altitude','Oops','See you']})

a_df
    id  text
0   1   This was fuuuuun
1   2   aaaawesome
2   3   Hiiigh altitude
3   4   Oops
4   5   See you

有些单词拼错了。一个适用的规则是，如果我看到三个或更多元音或辅音，那么我可以以某种方式确定有一个拼写错误的单词，所以我用''替换那个重复。
所以我试过这个:

a_df['corrected_text'] = a_df['text'].str.replace(r'([a-zA-Z])\\3+','')

但是没有任何变化。我的逻辑是尝试捕捉重复的字母，但我一定是做错了什么。请，任何帮助将不胜感激。

Answer 1

您可以使用

a_df['text'] = a_df['text'].str.replace(r'([a-zA-Z])\1{2,}', r'\1', regex=True)

细节:

([a-zA-Z]) - 捕获 ID 为 1 的组

\1{2,} - 组 1 值(\1 是对组 1 值的替换反向引用，确保在 raww 字符串文字中使用它，否则你会双反斜杠)。