如何在Pandas DataFrame中移除描述列中的对应书名？

先说说你之前两种写法的问题：

1. 第一种replace写法的问题：

   • 当to_replace传入Series时，Pandas会按索引逐行匹配，也就是第i行的Description只会尝试替换第i行的整个title字符串（整词匹配），而不是title拆分后的单个单词。如果你的title是多词组合（比如"The Brooklyn Bridge"），正则只会匹配完整的短语，无法匹配Description里单独出现的"The"、"Brooklyn"这类单词。

2. 第二种循环写法的问题：

   • 遍历df['Description']拿到的是字符串副本，修改它不会同步到原DataFrame；
   • if word == strings的判断逻辑错误，只有当整个Description完全等于某个title单词时才会执行替换，而不是Description中包含该单词；
   • strings.replace(word, ' ')默认只替换第一个匹配项，且没有做整词匹配，容易误替换其他单词的部分字符。

正确实现方式 #

针对每行的Description，移除对应行title中的所有单词，同时保证整词匹配、不影响原DataFrame，用apply逐行处理即可，千级数据完全够用：

import re

def clean_description(row):
    # 拆分title为单个单词，转义正则特殊字符（比如.、?等）
    title_terms = [re.escape(word) for word in row['title'].split()]
    # 生成匹配任意title单词的整词正则
    pattern = r'\b(' + '|'.join(title_terms) + r')\b'
    # 替换所有匹配项，清理多余空格
    cleaned = re.sub(pattern, '', row['Description'])
    # 把连续空格替换为单个，再去除首尾空格
    return re.sub(r'\s+', ' ', cleaned).strip()

# 应用到DataFrame，覆盖原Description列
df['Description'] = df.apply(clean_description, axis=1)

可选优化 #

如果需要忽略大小写匹配（比如title是"The"，Description里是"the"），可以在re.sub里加上flags=re.IGNORECASE参数：

cleaned = re.sub(pattern, '', row['Description'], flags=re.IGNORECASE)

内容的提问来源于stack exchange，提问作者orangechair