Python替换列中的多个字符串模式答案

【问题标题】：Python replace multiple string patterns in columnPython替换列中的多个字符串模式
【发布时间】：2021-05-14 04:00:16
【问题描述】：

我有一个包含剧情简介的多部电影的数据框。

Title        Synopsis
Movie1       Old Macdonald had a farm         [Written by ABC rewrite] 
Movie2       Wheels on the bus                 (Source: Melon)
Movie3       Tayo the bus                      [Produced by Wills Garage]
Movie4       James and Giant Apple             (Source: Kismet)

我想删除 NLP 不需要的尾随词，以便我在下面得到一个数据框

Title        Synopsis
Movie1       Old Macdonald had a farm         
Movie2       Wheels on the bus                
Movie3       Tayo the bus                      
Movie4       James and Giant Apple

我尝试了以下代码，但我的概要列以一些字符串结尾，例如“0”Iodfosomhgooad,somh...\n1GaBauadFal...” 想知道我是否可以解决这个问题，感谢任何形式的帮助，谢谢。

removelist = [('[Written by]', '') ,('(Source:)', '')]
               
for old, new in removelist:
    df['Synopsis'] = re.sub(old, new, str(df['Synopsis']))

【问题讨论】：

每一行都存在那些不必要的数据吗？
@RishabhKumar，不一定，不需要的数据可以出现在任何一行。

标签： python regex pandas dataframe replace

【解决方案1】：

你可以使用

df['Synopsis'] = df['Synopsis'].str.replace(r'\s*(?:\[[^][]*]|\([^()]*\))\s*$', '')

请参阅regex demo。

详情：

\s* - 零个或多个空格
(?:\[[^][]*]|$[^()]*$) - 要么
- \[[^][]*] - 一个[，除[ 和] 之外的任何零个或多个字符，然后是] 字符
- | - 或
- $[^()]*$ - (，除 ( 和 ) 和 ) 字符之外的任何零个或多个字符
\s* - 零个或多个空格
$ - 字符串结束。

【讨论】：

【解决方案2】：

您可以使用直接可用于 Pandas DataFrames 中的字符串的正则表达式替换方法。

data['Synopsis'] = data['Synopsis'].str.replace('\[.*\]$|\(.*\)$','', regex=True)

匹配字符串末尾 [] 之间的任何内容

\[.*\]$

多个字符串模式

匹配字符串末尾 () 之间的任何内容

$.*$$

您的样本结果是：

                         Synopsis
Title                            
Movie1  Old Macdonald had a farm 
Movie2         Wheels on the bus 
Movie3              Tayo the bus 
Movie4     James and Giant Apple

【讨论】：

我投了赞成票，但不确定谁投了反对票。