熊猫单词中元音和辅音的重复

Question

我有以下数据集:

a_df = pd.DataFrame({'id':[1,2,3,4,5],'text':['This was fuuuuun','aaaawesome','Hiiigh altitude','Oops','See you']})
a_df
id  text
0   1   This was fuuuuun
1   2   aaaawesome
2   3   Hiiigh altitude
3   4   Oops
4   5   See you

有些单词拼写错误。要应用的一个规则是，如果我看到三个或更多的元音或辅音，那么我可以以某种方式确定有一个拼写错误的单词，所以我用"。

"替换重复的单词。所以我试过了:

a_df['corrected_text'] = a_df['text'].str.replace(r'([a-zA-Z])\3+','')

但是没有变化。我的逻辑是试图捕捉重复的字母，但我一定是做错了什么。如有任何帮助，我将不胜感激。

Answer 1

可以使用

a_df['text'] = a_df['text'].str.replace(r'([a-zA-Z])1{2,}', r'1', regex=True)

细节:

• ([a-zA-Z])- ID为1的捕获组
• 1{2,}-第1组值的两次或多次出现(因此，三个或更多字母与前一个模式一起)(1是对第1组值的替代反向引用，确保在原始字符串字面量中使用它，否则您将不得不使用双反斜杠)。

Answer 2

让我们试着将每三个连续的元音替换为"，如下所示

a_df['text'].str.replace('([aeiou]{3})','', regex=True)