Question

我正在尝试使用txt文件替换数据框中列中的某些字符串。

我有一个如下所示的数据框（这是我所拥有的庞大数据框的一个非常小的版本）。

coffee_directions_df

Utterance                         Frequency   

Directions to Starbucks           1045
Directions to Tullys              1034
Give me directions to Tullys      986
Directions to Seattles Best       875
Show me directions to Dunkin      812
Directions to Daily Dozen         789
Show me directions to Starbucks   754
Give me directions to Dunkin      612
Navigate me to Seattles Best      498
Display navigation to Starbucks   376
Direct me to Starbucks            201

DF显示人们的言语和话语的频率。

I.e。，＆＃34;指向星巴克＆＃34;发了1045次。

我有另一个xlsx格式coffee_donut.xlsx的DataFrame，我想用它来导入和替换某些字符串（类似于Replace words by checking from pandas dataframe要求的内容）。

coffee_donut

Token              Synonyms

Starbucks          Coffee
Tullys             Coffee
Seattles Best      Coffee
Dunkin             Donut
Daily Dozen        Donut

最终，我希望数据框看起来像这样：

coffee_donut_df

Utterance                        Frequency   

Directions to Coffee             1045
Directions to Coffee             1034
Give me directions to Coffee     986
Directions to Coffee             875
Show me directions to Donut      812
Directions to Donut              789
.
.
.

我按照上一个问题的步骤，但我在最后一部分陷入困境：

import re
import pandas as pd
sdf = pd.read_excel('C:\coffee_donut.xlsx')
rep = dict(zip(sdf.Token, sdf.Synonyms)) #convert into dictionary

rep = dict((re.escape(k), v) for k, v in rep.iteritems())
pattern = re.compile("|".join(rep.keys()))
rep = pattern.sub(lambda m: rep[re.escape(m.group(0))], **coffee_directions_df**)

print rep

如何将rep应用于数据帧？如果这是一个noob问题，我很抱歉。我非常感谢你的帮助。

谢谢！

Answer 1

你几乎拥有它！这是一个在当前代码中重用regex对象和lambda函数的解决方案。

而不是最后一行（rep = pattern.sub(...），请运行：

coffee_directions_df['Utterance'] = \
coffee_directions_df['Utterance'].str.replace(pattern, lambda m: rep[m.group(0)])

# Confirm replacement
coffee_directions_df
                          Utterance  Frequency
0          Directions to Coffee       1045
1          Directions to Coffee       1034
2  Give me directions to Coffee        986
3   Directions to Seattles Best        875
...

这是有效的，因为pd.Series.str.replace可以接受已编译的正则表达式对象和函数; see the docs for more

使用字典脚本导入txt文件并将其应用于dataframe以替换单词

1 个答案: