基于字典脚本导入TXT文件 实现DataFrame列指定字符串替换的技术问询

嘿，这个需求我熟，用Pandas配合TXT映射文件就能轻松搞定，分两步走就行，我结合你的咖啡方向DataFrame示例来演示：

第一步：准备你的TXT映射文件 #

首先你需要把「要替换的旧字符串」和「目标新字符串」整理成一个TXT文件，比如命名为store_replacements.txt，格式建议用分隔符（逗号/制表符）分开每行的旧值和新值，这样方便读取成字典。举个符合你场景的例子：

Starbucks,星爸爸
Tullys,塔利咖啡
Seattles Best,西雅图最佳
Dunkin,唐恩都乐
Daily Dozen,每日十二

注意：如果你的新字符串里包含逗号，就换成制表符（\t）作为分隔符，避免分割出错。

第二步：读取映射文件并批量替换 #

接下来用Python代码完成读取和替换操作：

1. 读取TXT文件为映射字典 #

先把TXT里的键值对读成Python字典，这样Pandas能直接用它来替换：

import pandas as pd

# 读取映射文件到字典
store_mapping = {}
with open('store_replacements.txt', 'r', encoding='utf-8') as f:
    for line in f:
        # 去掉换行符，按分隔符分割（这里用逗号，如果你用制表符就换成'\t'）
        old_str, new_str = line.strip().split(',', 1)  # split只分1次，避免新字符串里的分隔符干扰
        store_mapping[old_str] = new_str

2. 替换DataFrame的Utterance列 #

这里分两种场景，按需选择：

场景A：替换所有出现的子串

只要Utterance里包含旧字符串就替换（比如如果有Starbucks Drive-Thru也会把Starbucks换成新值）：

coffee_directions_df['Utterance'] = coffee_directions_df['Utterance'].replace(store_mapping, regex=True)

场景B：只替换完整的单词

如果只想替换独立的店名（避免部分匹配），就给映射键加上正则的单词边界\b：

# 构建带单词边界的正则映射
regex_store_mapping = {rf'\b{key}\b': value for key, value in store_mapping.items()}
coffee_directions_df['Utterance'] = coffee_directions_df['Utterance'].replace(regex_store_mapping, regex=True)

替换后的效果示例 #

比如原来的行：

会变成（用场景B的话）：

额外注意事项 #

• 确保TXT文件的编码是utf-8，避免中文乱码；
• 如果TXT里有重复的旧字符串，后面的条目会覆盖前面的；
• 如果你的DataFrame很大，replace()方法的效率很高，比循环每行处理快得多。

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