如何从DataFrame字符串列中移除指定DataFrame中的单词？

没问题，这是个很常见的文本清洗需求，用pandas结合正则表达式就能轻松搞定，下面是具体的实现步骤和示例：

核心思路 #

我们需要精准匹配并移除完整单词（避免误删包含目标单词的其他词汇，比如不会把"likes"当成"like"删掉），然后处理替换后可能出现的多余空格。

步骤1：构建匹配规则 #

先把df2里的单词提取成列表，再生成一个能匹配完整单词的正则模式——这里要注意转义特殊字符，防止正则解析出错：

import re
import pandas as pd

# 提取df2中的单词列表（假设列名为'Wordlist'）
stop_words = df2['Wordlist'].tolist()
# 构建正则：匹配完整单词，支持处理带特殊字符的单词
pattern = r'\b(' + '|'.join(re.escape(word) for word in stop_words) + r')\b'

步骤2：执行替换操作 #

用pandas的字符串替换方法，把目标列中匹配到的单词清空：

# 假设df的目标列是'ColString'
df['ColString'] = df['ColString'].str.replace(pattern, '', regex=True)

步骤3：优化多余空格（可选但推荐） #

替换后可能会出现多个连续空格（比如原句中"like"前后的空格会变成两个），可以统一处理成单个空格：

# 把多个连续空格替换成单个
df['ColString'] = df['ColString'].str.replace(r'\s+', ' ', regex=True)
# 要是需要的话，还可以去掉首尾的空格
df['ColString'] = df['ColString'].str.strip()

完整示例（对应你的例子） #

把代码跑起来看看效果：

# 构建示例数据
df = pd.DataFrame({'ColString': ["I would like to buy apples."]})
df2 = pd.DataFrame({'Wordlist': ["like", "apples"]})

# 提取停用词并构建正则
stop_words = df2['Wordlist'].tolist()
pattern = r'\b(' + '|'.join(re.escape(word) for word in stop_words) + r')\b'

# 替换+空格优化
df['ColString'] = df['ColString'].str.replace(pattern, '', regex=True)
df['ColString'] = df['ColString'].str.replace(r'\s+', ' ', regex=True)

print(df['ColString'].iloc[0])
# 输出：I would to buy .

额外小技巧 #

• 如果需要忽略大小写匹配（比如同时删掉"Like"和"like"），只需要在替换时加个参数：

  df['ColString'] = df['ColString'].str.replace(pattern, '', regex=True, flags=re.IGNORECASE)
  

• 要是你的单词里有带标点的（比如"apples."），re.escape()会自动处理这些特殊字符，不用担心正则失效。

内容的提问来源于stack exchange，提问作者hdatas