如何将pandas列中的元素替换为字符串列表

Question

我已经创建了一个dataframe列来存储hashtag，该列的每一行都是一个字符串列表，如下所示：

df.hashtag

0        [#MondayMotivation, #BlackMamba, #RIPMamba, #c...
1        [#Periscope, #HeartGang, #SpreadLuv, #KobeRIP,...
2        [#Periscope, #HeartGang, #SpreadLuv, #KobeRIP,...
3        [#RoomOfMystery, #BuenLunes, #GRAMMYs, #27Ene,...
4        [#Periscope, #HeartGang, #SpreadLuv, #KobeRIP,...
5        [#Periscope, #HeartGang, #SpreadLuv, #KobeRIP,...

我的意思是，df.hashtag的每一行都是这样的列表：

df.hashtag[0]

['#MondayMotivation',
 '#BlackMamba',
 '#RIPMamba',
 '#coronavirus',
 '#love',
 '#Califórnia']

如您所见，有许多类似的标签表示相同的含义，例如，#COV_19

和#COVID_19，所以我想将这些元素替换为相同的字符串#COVID19

所以我创建了一个格式不正确的标签列表。如下所示：

token = ['#Covid_19',
 '#covid2019',
 '#covid19',
 '#covid_19',
 '#COVid',
 '#COVID__19']

然后我尝试了replace方法，但失败了。

df.replace(token,'#COVID-19',inplace=True)

如何将这些标签替换为我想要的字符串？

Answer 1

您可以执行以下操作。如果有更多要替换的元素，请添加类似的行。

token = ['#Covid_19',
 '#covid2019',
 '#covid19',
 '#covid_19',
 '#COVid',
 '#COVID__19']

l=list(df.hashtag)
for i in range(len(l)):
    l[i]=['#COVID19' if x in token else x for x in l[i]]

df.hashtag=l

Answer 2

这是一个解决方案，首先Series.explode，然后创建一个token的字典作为关键字，"#COVID_19"作为replace的值，最后groupby以获取原始数据。

(df.hashtag.explode().replace({t : "#COVID_19" for t in token})
        .groupby(level=0).apply(list))

Answer 3

另一个选择

for t in token:
    df['hashtag'] = df['hashtag'].str.replace(t, '#COVID19')

另一个建议是，对于令牌列表的这类实例，您可能希望清理数据，例如将所有hashtag大写，删除特殊字符，并将year替换为固定格式。这样，你的令牌列表会更小，循环也会更短。