如何在列上循环.replace以将多个字符串更改为一个字符串？

Question

我在数据框中有一个列，我正在尝试将所有拼写错误/输入错误修复为正确的字符串（例如，“ femake”为“ female”）。有没有办法在一行代码中列出所有拼写错误，以将其全部更改为正确的变量。我有以下代码。如果循环可行，我该如何创建循环？

mh2014['Gender'] = mh2014['Gender'].replace('f' and 'woman' and 'femail' and 'cis-female/femme' and 'female (cis)' and 'cis female' and 'femake', 'female')

Answer 1

假设这是您使用的Pandas DataFrame，您可以简单地将列重新分配给列表推导，在其中您可以检查拼写错误，例如：

misspellings = {'f', 'woman','femail','cis-female/femme','female (cis)','cis female','femake'}
mh2014['Gender'] = ["female" if entry in misspellings else entry for entry in mh2014['Gender']]

我们使用一个集合来加快对拼写错误的查找，因为它具有O(1) average search time。

如果要添加更多拼写错误以进行捕获，请修改拼写错误列表，如果列表变得繁琐而难以硬编码，则可以从文件中加载它。

Answer 2

您只需要遍历要替换的字符串：

misspellings = ['f', 'woman', 'femail', 'cis-female/femme', 'female (cis)', 'cis female', 'femake']
for s in misspellings:
    mh2014['Gender'] = mh2014['Gender'].replace(s, 'female')

and不执行您认为的操作。从Python Tutorial：

布尔运算符and和or是所谓的short-circuit运算符：它们的自变量从左到右进行求值，并且一旦确定结果就停止求值。例如，如果A和C为true，但B为false，则A and B and C不计算表达式C。当用作通用值而不是布尔值时，短路运算符的返回值是最后计算的参数。

例如：

>>> 'x' and 'y'  # 'x' is true so try next expression
'y'
>>> '' and 'y'  # '' is false so don't try next expression
''
>>> 'x' and ''  # Same as the first
''

Answer 3

由于您在问题中使用了单词数据框，所以我希望它以熊猫为准。

import pandas as pd
df = pd.read_excel('loation/to/myfile')
misspelled = set('f', 'woman', 'femail', 'cis-female/femme', 'female (cis)', 'cis female', 'femake')
df['Gender'] = df['Gender'].str.replace(misspelled, 'female')