Pandas如何基于address列内容删除branch_name列词汇并生成新列

现有示例 DataFrame 结构如下：

branch_name        | address
Mcdonald's - BGC   | 2nd str. BGC
Jollibee - Taguig  | BGC, Taguig
...

需要实现的清洗规则为：根据每行address列包含的词汇，删除branch_name列中的对应内容，同时移除除撇号外的所有特殊字符，最终生成新的store_name列存储结果，预期输出如下：

branch_name        | address       | store_name
Mcdonald's - BGC   | 2nd str. BGC  | Mcdonald's
Jollibee - Taguig  | BGC, Taguig   | Jollibee
...

具体实现代码 #

第一步：导入依赖并构造测试数据 #

import pandas as pd
import re

# 构造示例数据
df = pd.DataFrame({
    "branch_name": ["Mcdonald's - BGC", "Jollibee - Taguig"],
    "address": ["2nd str. BGC", "BGC, Taguig"]
})

第二步：定义清洗函数 #

def clean_store_name(row):
    # 提取address列所有词汇，转小写去重避免大小写匹配问题
    addr_words = set(re.findall(r'[a-zA-Z0-9]+', row['address'].lower()))
    # 先替换branch_name里的特殊字符（撇号除外）为空格
    raw_branch = re.sub(r"[^\w']+", ' ', row['branch_name']).strip()
    # 拆分branch_name词汇，过滤掉属于address关键词的内容
    remain_words = [word for word in raw_branch.split() if word.lower() not in addr_words]
    # 拼接剩余内容得到最终门店名
    return ' '.join(remain_words).strip()

第三步：应用函数生成新列 #

df['store_name'] = df.apply(clean_store_name, axis=1)

兼容场景调整说明 #

如果你的门店名称包含中文，只需把清洗函数中特殊字符替换的正则规则调整为r"[^\u4e00-\u9fa5a-zA-Z0-9']+"，即可兼容中文清洗需求。

内容的提问来源于stack exchange，提问作者Tenserflu