如何在Pandas DataFrame中移除Name列的最后两个词？

方法一：正则表达式批量替换 #

针对'Name'列里混有4位年份（如2024）和指定地点（伊斯兰堡、拉合尔等）的情况，用正则一次性匹配并移除这些内容即可，步骤如下：

1. 导入依赖并准备示例数据：

import pandas as pd
import re

# 示例DataFrame（可替换成你的真实数据）
df = pd.DataFrame({
    'Name': [
        '2024 伊斯兰堡 城市供水项目',
        '拉合尔 2023 道路修缮工程',
        '卡拉奇 社区绿化计划 2022',
        '2021 白沙瓦 校园翻新项目'
    ]
})

2. 定义需移除的地点列表，构建正则匹配模式：

# 补充你需要移除的所有地点名称
locations = ['伊斯兰堡', '拉合尔', '卡拉奇', '白沙瓦']
# 对地点名称做转义，避免特殊字符干扰正则匹配
escaped_locations = [re.escape(loc) for loc in locations]

# 构建正则模式：匹配4位年份 或 指定地点，前后可能带空格
pattern = r'\s*(?:\d{4}|' + '|'.join(escaped_locations) + r')\s*'

3. 执行替换并清理多余空格：

# 替换目标内容，同时合并连续空格、去除首尾空格
df['Cleaned_Name'] = df['Name'].str.replace(pattern, '', regex=True)\
                               .str.replace(r'\s+', ' ', regex=True)\
                               .str.strip()

处理后Cleaned_Name列会得到纯核心内容，比如城市供水项目、道路修缮工程等。

方法二：直接提取核心内容（适合固定结构） #

如果'Name'列的格式是「年份/地点 + 核心名称 + 年份/地点」，可以直接捕获中间的核心文本：

df['Cleaned_Name'] = df['Name'].str.extract(
    r'^(?:\d{4}|' + '|'.join(escaped_locations) + r')?\s*(.*?)\s*(?:\d{4}|' + '|'.join(escaped_locations) + r')?$'
)[0]

这个方法和方法一效果一致，更适合格式规整的数据集。

内容的提问来源于stack exchange，提问作者Winston Mulyawan Setiabudi