Question

我有一个包含4列的数据框，其中一列称为action_description，它包含“自由文本”，可以恢复为解决问题而采取的不同操作。

本专栏中的文字有时是错误的，我们有一个字典，用于所有着名的错误字样（例如：REPLCD - ＆gt; REPLACED，.....）

我想使用python代码替换列中的所有错误字。

这是我使用的代码：

代码：

import sys
import pyspark
import pandas_datareader
import re
import csv
import xlrd
import pandas as pd
import numpy as np
import datetime

from pyspark.context import SparkContext
from pyspark.sql.functions import *
from pandas import DataFrame
from pandas_datareader import data, wb
from pandas import *

xls = ExcelFile("test_doc_2.xls")
df = xls.parse(xls.sheet_names[0])
df.drop(df.columns[[0, 1]],inplace=True,axis=1)
df2 = Series(df.TO_VALUE.values,index=df.FROM_VALUE).to_dict()

xls1 = ExcelFile("Test_Source_New_2.xls")
df1 = xls1.parse(xls1.sheet_names[0])

df1['WORK_PERFORMED_NEW'] = df1['WORK_PERFORMED'].replace(df2, regex=True)

此解决方案有效，但在某些情况下，

在我的字典中：DEF - ＆gt;延伸，推迟 - ＆gt; DEFERRED

所以我的解决方案：DEFERED - ＆gt; DEFERREDERED，它在DEFERED DEFERED中替换了DEF，它与ERED，DEFERRED + ERED连接。

我考虑过使用边界（r“\ b”），但是语法错误!!!

我如何克服这个问题。

提前谢谢。

Answer 1

我猜你面临的问题是由于regex = True。如你所说，你有一本字典：

DEF -> DEFERRED, DEFERED -> DEFERRED

因此，当您通过 DEF ERED时，它首先找到 DEF ，并将其替换为 DEFERRED ，然后是 ERED < / strong>即可。所以你会得到：

DEFERED -> DEFERREDERED

简化：

DEF +ERED -> DEFERRED + ERED -> DEFFEREDERED

如有任何疑问，您可以发表评论。

使用pandas字典替换dataframe列中的关键字

1 个答案: