Skip to main content
 首页 » 编程设计

python之如何从字符串的开头删除特定字符

2024年11月01日2152php

我有一个 DataFrame,其中有一列名为 AlternateName。这包含不同成分的名称,但大多数在实际名称之前都有数量和单位。

                                     Alternate_Name 
2                                   ★ Sukkerfri chokolade 
3                     100 g. sukkerfri 70% mørk chokolade 
4                                     sukkerfri chokolade 
5                      50 g. sukkerfri 70% mørk chokolade 
6                        Chokoladesovs uden tilsat sukker 
7                          1 spsk Chokolade proteinpulver 
8                        1 spsk proteinpulver (chokolade) 
9                        1,5 spsk chokolade proteinpulver 
10                           spsk chokolade proteinpulver 
11                      stor spsk chokolade proteinpulver 
12                            30 g chokoladeproteinpulver 
13                 30 g Linus Pro proteinpulver med Kakao 
14            30 g proteinpulver med Kakao fra Linus Pro* 
15      45 g proteinpulver (jeg brugte chokolade/hasse... 
16            50 g chokolade og banan proteinpulver (HER) 
17                           ,5 spsk vanilleproteinpulver 
18                    1 spsk proteinpulver – Vanille smag 
19                           1 spsk vanille proteinpulver 
20                          1 spsk vanille proteinpulver 
21                      1 stor spsk vanille proteinpulver 
22                             10 g vanille proteinpulver 
23                            spsk vanilje protein pulver 
24                            spsk Vanille Protein pulver 
25                             spsk Vanille proteinpulver 
26      spsk vanilleproteinpulver (eller lidt vanilles... 
27               30 g Linus Pro Proteinpulver med vanille 
28      30 g vanille proteinpulver fra Linus Pro   (Re... 
29                            30 g vanille proteinpulver 
30                              40 g vanilleproteinpulver 
31                             60 g vanille proteinpulver 

我已经试过了:df = df["AlternateName"].map(lambda x: x.lstrip('200 g.')) - 但是,我需要添加特定条件这些字符串应该被修剪,因为我无法针对每种情况手动进行修剪。

因此,我如何教我的程序使用条件删除字符串内容以匹配位于每个成分名称之前的数字、单位和特殊字符?

例如:200 克。 sukkerfri chokolade -> sukkerfri chokolade

★ Sukkerfri chokolade -> Sukkerfri chokolade

我对python不太熟悉,所以欢迎任何帮助,如方法、技巧、提示!

请您参考如下方法:

您是否已尝试应用正则表达式来删除数量? 像这样:

df['Alternate_Name'].str.replace(r'^\s*(★|[0-9]*,?[0-9]{1,}\s*(g|kg|spsk|stor spsk)|spsk)\s*,*', '') 

输出:

Out[71]:  
0                            ★ Sukkerfri chokolade 
1                   . sukkerfri 70% mørk chokolade 
2                              sukkerfri chokolade 
3                   . sukkerfri 70% mørk chokolade 
4                 Chokoladesovs uden tilsat sukker 
5                          Chokolade proteinpulver 
6                        proteinpulver (chokolade) 
7                          chokolade proteinpulver 
8                          chokolade proteinpulver 
9                stor spsk chokolade proteinpulver 
10                          chokoladeproteinpulver 
11               Linus Pro proteinpulver med Kakao 
12          proteinpulver med Kakao fra Linus Pro* 
13    proteinpulver (jeg brugte chokolade/hasse... 
14          chokolade og banan proteinpulver (HER) 
15                            vanilleproteinpulver 
16                    proteinpulver – Vanille smag 
17                           vanille proteinpulver 
18                           vanille proteinpulver 
19                           vanille proteinpulver 
20                           vanille proteinpulver 
21                          vanilje protein pulver 
22                          Vanille Protein pulver 
23                           Vanille proteinpulver 
24    vanilleproteinpulver (eller lidt vanilles... 
25             Linus Pro Proteinpulver med vanille 
26    vanille proteinpulver fra Linus Pro   (Re... 
27                           vanille proteinpulver 
28                            vanilleproteinpulver 
29                           vanille proteinpulver 
Name: Alternate_Name, dtype: object