根据另一列的字符串删除列中的字符串答案

【问题标题】：Remove strings at column based on strings of another column根据另一列的字符串删除列中的字符串
【发布时间】：2019-06-20 12:19:32
【问题描述】：

我在pandas 和python 有这个：

    text1       text2
0   sunny       This is a sunny day
1   rainy day   No this day is a rainy day

我想把它改成这样：

    text1       text2
0   sunny       This is a day
1   rainy day   No this day is a

因此，我想根据同一行的text1 从text2 中删除一些文本。

我这样做了：

df = df.apply(lambda x: x['text2'].str.replace(x['text1'], ''))

但我遇到了一个错误：

AttributeError: ("'str' object has no attribute 'str'", 'occurred at index 0')

这可能与此有关： https://stackoverflow.com/a/53986135/9024698.

什么是做我想做的最有效的方法？

【问题讨论】：

标签： python python-3.x pandas

【解决方案1】：

快速有点丑陋的解决方案是replace - 但如果需要将每行替换为另一列，则可能有多个空格：

df['text2'] = df.apply(lambda x: x['text2'].replace(x['text1'], ''), axis=1)
print (df)
       text1              text2
0      sunny     This is a  day
1  rainy day  No this day is a

拆分两列的解决方案：

df['text2'] = df.apply(lambda x: ' '.join(y for y in x['text2'].split() 
                                          if y not in set(x['text1'].split())), axis=1)

如果需要替换为另一列的所有值，最好使用@Erfan 的解决方案：

df['text2'].str.replace('|'.join(df['text1']), '')

【讨论】：

谢谢（点赞）。顺便说一句，我正在寻找 No this day is a，这不是您在第二个解决方案中所拥有的。
你不能简单地使用df['text2'].str.replace('|'.join(df['text1']), '')吗？
@Erfan，我不想用另一列的所有值替换
我明白了，那是有道理的 :) @PoeteMaudit

【解决方案2】：

这是因为您将函数应用于列而不是行。此外，x['text2'] 已经是一个字符串，因此无需调用.str。通过这些修改，您将拥有：

print(df.apply(lambda x: x['text2'].replace(x['text1'], ''), axis=1))
# 0       This is a  day
# 1    No this day is a

如您所见，您只返回text2 列。

这是一个返回处理后的整个数据帧的示例：

# Import module
import pandas as pd

df = pd.DataFrame({"text1": ["sunny", "rainy day"],
                   "text2": ["This is a sunny day", "No this day is a rainy day"]})
print(df)
#        text1                       text2
# 0      sunny         This is a sunny day
# 1  rainy day  No this day is a rainy day

# Function to apply
def remove_word(row):
    row['text2'] = row.text2.replace(row['text1'], '')
    return row

# Apply the function on each row (axis = 1)
df = df.apply(remove_word, axis=1)
print(df)
#        text1              text2
# 0      sunny     This is a  day
# 1  rainy day  No this day is a

【讨论】：

【解决方案3】：

只需使用replace 方法：

df["text2"]=df["text2"].replace(to_replace=df["text1"],value="",regex=True)

编辑：

正如@jezrael 所提到的，此方法不考虑周围的空格（因为它们不被正则表达式匹配）。但是，您可以调整正则表达式以避免其中一些向模式添加可选空格，例如：

df["text2"]=df["text2"].replace(to_replace=df["text1"]+" *",value="",regex=True)

【讨论】：