基于gramaz表删除订单中指定单位及前置数字的Pandas预处理需求

可以通过正则表达式结合Pandas的字符串处理方法高效实现需求，针对1万行数据的处理速度完全够用。

实现步骤 #

1. 从gramaz DataFrame中提取需删除的单位，构建正则匹配的备选模式
2. 编写正则规则，精准匹配两类目标内容：
   • 紧邻单位前的数字（含空格）+ 目标单位，例如2 gr、100 lit
   • 单独的目标单位（前面带空格），例如 cc
3. 执行替换后清理多余空格，保证文本格式整洁

代码示例 #

import pandas as pd

gramaz = pd.DataFrame({'unit':['cc', 'lit','gr', 'kg' ]})
order = pd.DataFrame({'order':['100 glass','8 sodium 2 gr', 'br kk cc','mgk 100 lit','red pepper', 'black pepper',  'a 10 kg' ]})

# 构造正则匹配的单位备选模式
units_pattern = '|'.join(gramaz['unit'])
# 正则规则：匹配「数字+空格+单位」或「空格+单位」
regex_pattern = r'\d+\s+(?:{})|\s+(?:{})'.format(units_pattern, units_pattern)

# 执行替换并清理空格
order['order'] = order['order'].str.replace(regex_pattern, '', regex=True) \
                               .str.replace(r'\s+', ' ', regex=True) \
                               .str.strip()

print(order)

输出结果 #

order
0    100 glass
1     8 sodium
2       br kk
3         mgk
4  red pepper
5  black pepper
6            a

正则规则说明 #

• \d+：匹配1个及以上数字
• \s+：匹配1个及以上空格
• (?:{})：非捕获组，用于包裹备选单位，避免生成不必要的分组
• |：逻辑或，匹配两种模式中的任意一种

该方法精准定位需删除的内容，不会误删订单中其他位置的数字，处理效率适配1万行规模的数据。

内容的提问来源于stack exchange，提问作者Sadcow