python - 从 pandas 数据框中的字符串中删除特定 url

Question

我有一个数据框:

Name  url

 A    'https://foo.com, https://www.bar.org, https://goo.com'
 B    'https://foo.com, https://www.bar.org, https://www.goo.com'
 C    'https://foo.com, https://www.bar.org, https://goo.com'

然后是关键字列表:

keyword_list = ['foo','bar']

我正在尝试删除包含关键字的网址，同时保留不包含关键字的网址，到目前为止，这是唯一对我有用的方法，但它只是删除了该单词的实例:

df['url'] = df['url'].str.replace('|'.join(keywordlist), ' ')

我尝试将字符串中的元素转换为列表，但是当将其与较大的数据帧组合回其部分时，出现索引错误，有人以前遇到过这种情况吗？

期望的输出:

Name  url

 A    'https://goo.com'
 B    'https://www.goo.com'
 C    'https://goo.com'

Answer 1

我很确定你可以使用一些正则表达式来做到这一点。但你也可以这样做:

new_df = df.set_index('Name').url.str.split(',\s+', expand=True).stack()

(new_df[~new_df.str.contains('|'.join(keyword_list))]
      .reset_index(level=1, drop=True)
      .to_frame(name='url')
      .reset_index()
)

输出:

  Name                  url
0    A      https://goo.com
1    B  https://www.goo.com
2    C      https://goo.com