Pandas如何根据另一列的URL列表删除tweet列中的对应URL子串

你最初的代码是将整行的url列表直接转为字符串（格式类似"['url1', 'url12']"），无法和tweet文本里单独存在的url匹配，所以没有达到预期的替换效果。

方案1：自定义函数实现（适配性更高） #

先定义逐行处理的函数，遍历当前行的所有url逐个替换，最后清理多余空格：

def clean_tweet(row):
    cleaned = row['tweet']
    # 逐个替换当前行所有url
    for url in row['url']:
        cleaned = cleaned.replace(url, '')
    # 清理替换后产生的连续多余空格
    return ' '.join(cleaned.split())

ds['urls_free_tweet'] = ds.apply(clean_tweet, axis=1)

方案2：lambda简洁写法 #

如果场景中url都是以空格和其他内容分隔的，可以用更简短的写法：

ds['urls_free_tweet'] = ds.apply(
    lambda row: ' '.join([term for term in row['tweet'].split() if term not in row['url']]),
    axis=1
)

注意：如果实际场景中url可能和其他文本字符连在一起（无空格分隔），优先使用方案1的逐个replace写法。

运行以上代码后生成的urls_free_tweet列就会完全符合你给出的预期输出结果。

内容的提问来源于stack exchange，提问作者coding