Python pandas如何根据另一列的列表逐行替换指定列字符串

场景说明 #

处理目标为pandas DataFrame，核心字段定义：

• Content_Clean：字符串类型列，存储原始文本
• Removals：列表类型列，逐行存储对应文本中需要移除的字符串
  替换要求：将每行Content_Clean中出现的、同属该行Removals列表内的字符串替换为空格，示例：

原始文本：Johnny and Mary went to the store
同行待移除列表：['Johnny','Mary']
输出结果：and went to the store

原有代码问题分析 #

之前写的两段代码逻辑存在明显缺陷，无法满足逐行替换要求：

1. 全局循环替换写法

for i in data_eng['Removals']:
    for u in i:
        data_eng['Content_Clean_II'] = data_eng['Content_Clean'].str.replace(u,' ')

该逻辑会遍历所有行的待移除词，对全表所有文本做全局替换，没有做行级规则隔离，最终会把所有行出现过的待移除词全部替换，和逐行匹配的需求完全不符。

2. 单字段apply配re.sub写法

data_eng['Content_Clean_II'] = data_eng['Content_Clean'].apply(lambda x: re.sub(data_eng.loc[data_eng['Content_Clean'] == x, 'Removals'].values[0], '', x)) 

存在两个核心问题：一是re.sub的匹配模式参数仅支持字符串格式，无法直接传入列表做批量匹配；二是通过文本内容反查待移除列表的写法，在存在重复文本时会触发索引错误，稳定性极差。

实现方案 #

逐行处理时同时读取同行的文本和待移除列表即可，以下两种方案均可稳定实现需求：

方案1：普通字符串替换（无额外依赖，执行速度快） #

不需要引入正则库，逐行遍历替换即可，适合不需要严格整词匹配的场景：

def clean_row_content(row):
    cleaned_text = row['Content_Clean']
    for remove_str in row['Removals']:
        cleaned_text = cleaned_text.replace(remove_str, ' ')
    # 可选：清理替换后产生的连续多余空格
    return ' '.join(cleaned_text.split())

# 按行应用处理逻辑
data_eng['Content_Clean_II'] = data_eng.apply(clean_row_content, axis=1)

方案2：正则整词匹配（避免子串误替换） #

如果需要严格匹配完整词汇（例如待移除词为cat时，不希望误替换category中包含的cat子串），可以用正则拼接整词匹配规则：

import re

def clean_row_content_regex(row):
    original_text = row['Content_Clean']
    # 转义待移除词中的特殊正则字符，拼接为整词匹配模式
    remove_pattern = r'\b(' + '|'.join(re.escape(word) for word in row['Removals']) + r')\b'
    cleaned_text = re.sub(remove_pattern, ' ', original_text)
    # 清理多余连续空格
    return ' '.join(cleaned_text.split())

data_eng['Content_Clean_II'] = data_eng.apply(clean_row_content_regex, axis=1)

内容的提问来源于stack exchange，提问作者Edd