如何在DataFrame中移除品牌名列表匹配项及之前的所有内容

问题分析 #

你之前的代码存在两个核心问题：

1. 第一种写法里，正则表达式未正确嵌入品牌列表变量，还存在引号不匹配的语法错误；
2. 第二种写法仅匹配品牌名本身，没有覆盖前面的数量、单位内容，无法完全删除目标部分。

正确实现方式 #

我们需要构造正则表达式，匹配**从字符串开头到任意品牌名结束（含品牌名及后续空格）**的所有内容，再通过替换或提取得到纯商品名，两种方式都能实现需求：

方法1：使用str.replace替换目标内容

variations = ['Cushelle', 'Charmin', 'Tesco', 'Sainsburys']
# 构造正则模式：匹配开头到任意品牌名+后续空格的所有内容
pattern = fr'^.*?(?:{"|".join(variations)})\s*'
# 替换为空字符串，得到纯商品名
data['item_name'] = data['item'].str.replace(pattern, '', regex=True)

方法2：使用str.extract直接提取商品名（更直观）

variations = ['Cushelle', 'Charmin', 'Tesco', 'Sainsburys']
# 构造正则模式：提取任意品牌名+空格之后的所有内容
pattern = fr'(?:{"|".join(variations)})\s*(.*)'
# 提取匹配到的分组内容，得到纯商品名
data['item_name'] = data['item'].str.extract(pattern, expand=False)

代码说明 #

• fr'^.*?(?:{"|".join(variations)})\s*'：
  • ^.*?：非贪婪匹配从字符串开头到目标内容的所有字符；
  • (?:{"|".join(variations)})：用|拼接所有品牌名作为匹配目标（?:表示非捕获分组，不保留品牌名本身）；
  • \s*：匹配品牌名之后的任意空格，确保商品名前无多余空格。
• 若需忽略大小写（比如品牌名存在小写变体），可添加flags=re.IGNORECASE：

  import re
  data['item_name'] = data['item'].str.replace(pattern, '', regex=True, flags=re.IGNORECASE)
  

内容的提问来源于stack exchange，提问作者ds_1234