如何使用文本文件做拼写纠错

Question

这是我的txt文件，把它称为replacer.txt

keyword_origin, keyword_destinantion
topu,topup
atmstrbca,atm bca

这就是我想要的

id keyword
1  transfer atmstrbca
2  topu bank
3  topup bank

我的预期输出

id keyword
1  transfer atm bca
2  topup bank
3  topup bank

我所做的是

df['keyword'].str.replace("atmstrbca","atm bca")
df['keyword'].str.replace("topu","topup")

输出是

id keyword
1  transfer atm bca
2  topup bank
3  topupp bank

我的想法是用文字replacer.txt要做到这一点，因为名单是更TAHN 100关键字

Answer 1

由空格创建从第一个文件，拆分值字典，并使用get用于替换：

d = dict(zip(df1.keyword_origin, df1.keyword_destinantion))
#alternative
#d = df1.set_index('keyword_origin')['keyword_destinantion'].to_dict()
df2['keyword'] = df2['keyword'].apply(lambda x: ' '.join([d.get(y, y) for y in x.split()]))
print (df2)
   id           keyword
0   1  transfer atm bca
1   2        topup bank
2   3        topup bank

Answer 2

您可以使用str.replace与可呼叫：

In [11]: d = {"atmstrbca": "atm bca", "topu": "topup"}  # all the typos

In [12]: regex = r'\b' + '|'.join(d.keys()) + r'\b'

In [13]: df['keyword'].str.replace(regex, lambda x: d[x.group()], regex=True)
Out[13]:
0    transfer atm bca
1          topup bank
2          topup bank
Name: keyword, dtype: object

---

您可以从其他的数据帧，例如使字典通过：

dict(zip(df_replacer.keyword_origin, df_replacer.keyword_destinantion))